待验证50% 置信事实精确时间
PhysMent 是一个基于 MuJoCo 物理仿真器构建的交互式基准测试，用于评测大模型在物理问题上的推理能力，模型需通过工具调用（施加外力、查询物体状态、推进仿真时间、修改场景几何结构）来获取信息
1
来源数
50%
置信度
长期有效
时效性
2026/9/15
首次发现
来源
涉及实体
相关事实
待验证PhysMent 采用六维评分框架而非简单的对错判定，以评估探索过程、工具使用效率和对反馈的响应67% 相似待验证理想的机器人策略评估流程应采用双阶段验证：仿真评估作初筛，真实世界物理测试完成最终验证57% 相似待验证自动化框架如Pytest、Robot Framework需要严格结构化的数据输入，而ChatGPT生成的测试用例是非结构化Markdown文本57% 相似待验证τ2-bench是专门评估大模型工具调用能力的基准测试，模拟真实世界中智能体需要处理的复杂多步工具调用场景56% 相似已验证传统测试用例编写流程中，测试工程师需要手动拆解功能模块、构思测试场景、编写操作步骤和预期结果56% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/921776API
curl https://kongchang.com/api/v1/knowledge/claims/921776MCP
get_claim(id=921776)