ERQA
由Google DeepMind设计的基准测试，专门评估模型在三维环境中理解和解决物理、空间问题的能力，用于衡量物理推理水平
时间轴 (近 90 天)
Argon在Embodied Reasoning（ERQA）基准测试中以87%的得分超越所有其他前沿模型。
Gemini 4 Argon在Embodied Reasoning (ERQA) 基准上取得87%的得分，且完全依赖纯推理能力，未使用针对特定任务的微调或外部工具辅助。
DeepMind官方博文表示，Gemini 4 Argon在ERQA基准上超越了所有其他前沿模型。
Gemini 4 Argon在ERQA上取得87%的纯推理得分，暗示大模型可能找到了绕开莫拉维克悖论的新路径：不再依赖手工编码的物理规则，而是通过海量数据学习到类似人类直觉的物理常识。
87%的ERQA得分令人印象深刻，但基准测试与真实世界部署之间仍有巨大鸿沟；现实中的机器人面临传感器噪声、执行器误差、动态环境干扰和长尾场景等挑战，这些在标准化基准中很难完全复现。
全部知识事实 (5)
Argon在Embodied Reasoning（ERQA）基准测试中以87%的得分超越所有其他前沿模型。
50%待验证Gemini 4 Argon在Embodied Reasoning (ERQA) 基准上取得87%的得分，且完全依赖纯推理能力，未使用针对特定任务的微调或外部工具辅助。
50%待验证DeepMind官方博文表示，Gemini 4 Argon在ERQA基准上超越了所有其他前沿模型。
50%待验证Gemini 4 Argon在ERQA上取得87%的纯推理得分，暗示大模型可能找到了绕开莫拉维克悖论的新路径：不再依赖手工编码的物理规则，而是通过海量数据学习到类似人类直觉的物理常识。
50%待验证87%的ERQA得分令人印象深刻，但基准测试与真实世界部署之间仍有巨大鸿沟；现实中的机器人面临传感器噪声、执行器误差、动态环境干扰和长尾场景等挑战，这些在标准化基准中很难完全复现。
50%