清華聯合清嶼科技推出自進化多物理場建模系統 EvoSim
清華大學張強教授團隊聯合清嶼科技、香港大學等提出 EvoSim，讓 AI 從「給定方程調參」轉向「從實驗偏差中追查物理機制、修訂方程並沉澱建模方法」。在電池快充析鋰起點預測任務中，其模型荷電狀態平均絕對誤差為 1.79%，優於人類專家模型；在 16 條動態電壓軌跡、約 11 萬個取樣點上，30 攝氏度 DST 工況均方根誤差為 7.62 mV。在 45 組任務執行中，建模或機制失敗減少 36.4%，累計執行時間減少 42.6%。
它把 AI Scientist 的能力從調參推進到修訂物理方程本身，並在電池析鋰與動態電壓兩個工業場景給出優於人類專家模型的量化結果，對科學計算與 AI for Science 方向的研究者最有參考價值。
原標題：AI如何解析物理世界？清华联合清屿科技等团队推出自进化多物理场建模系统EvoSim
閱讀原文
| 評分 | 72 / 74（平均 73，門檻 65） |
|---|---|
| 狀態 | 精選 |
相關報導
螞蟻開源 AntOmniEvo：讓 AI 自動調優 AI 系統，三個基準全部第一
螞蟻靈矽大模型應用平台團隊開源自動最佳化框架 AntOmniEvo，使用者只需提供可修改的檔案目錄、評估資料、打分標準和系統定義，框架就會驅動 coding agent 在「改檔案—打分」迴圈中 7×24 迭代。核心演算法 Mara Chain 讓未達標的候選帶著診斷記錄繼續修復，配合逐題 Pareto 過濾，避免過早淘汰有潛力的候選。
Simantic 推出韌體模擬層，讓 AI agent 無硬體測試韌體
YC F26 的 Simantic 發布韌體模擬層，讓 AI agent 與工程師不必拿到硬體就能測試和驗證韌體。它提供可單次 API 呼叫即執行的虛擬開發板、以模擬結果為證據的韌體 AI 程式碼審查，以及每次提交都針對模擬微控制器驗證韌體的 CI/CD 流水線。團隊來自 Neuralink 與 Tesla，早期 MVP 封裝 Renode，因受制於其開發速度、Dotnet 效能與功能臃腫而改為自研引擎。
清華團隊開源 VeriLoop E2，以外部驗證決定推理狀態提交
清華團隊開源後訓練模型 VeriLoop E2，由獨立外部 Verifier 決定候選狀態能否獲得提交資格，而非依賴模型內部置信度。該模型以 Qwen 3.8-27B 為基礎，面向程式碼、數學與物理三類可外部驗證任務，並同步發布標準權重與覆蓋 BF16 至 IQ1_M 的 GGUF 量化版，其中 Q6_K 為 20.566 GiB，比 BF16 小 58.96%。
清華特獎得主吳海旭創業物原科技，做物理世界模型
清華特獎得主、GeoPT 一作吳海旭已創立世界模型公司物原科技，從搭載物理建模能力的世界模型切入，迄今迅速完成多輪融資，估值達數億美元，投資方包括螞蟻、美團、達晨財智、星連。其技術思路一定程度延續 GeoPT 的研究路線，該工作提出合成動力學預訓練範式，把靜態幾何提升到動態空間，讓模型從粒子軌跡演化中獲取物理直覺，作者還包括龍明盛、何愷明與 Wojciech Matusik。吳海旭 2025 年起在 MIT CSAIL 做博士後，Google 學術被引 29611 次。
UCLA 與 Adobe 提出 Tev：27B 模型長程任務追平 GPT-6 Astra
Adobe Research 與 UCLA 提出 Tev 訓練方案：27B 模型在 Agents' Last Exam 計算與數學子集上 Pass@5 達 0.28，追平 GPT-6 Astra 與 Claude Opus 5。做法是先建置含隱藏標準答案的潛在世界再用它渲染出任務環境，據此合成覆蓋 7 個領域、1,170 個環境的 Tev-Gym，單次 rollout 中位耗時 12.4 分鐘、Pass@1 僅 29%。