FireWorldBench：用耦合场火灾动力学评测复杂物理世界智能

理解物理世界不只是物体识别、场景描述和短期视觉预测，因为真实物理系统涉及多个连续场、潜藏的因果机制、不完整观测和对干预敏感的动力学。我们提出 FireWorldBench，一个通过耦合场火灾动力学评测多模态大语言模型和智能体复杂物理世界智能的基准。火灾提供了一个典型的压力测试环境：多个相互作用的物理场共同塑造可观测状态和时间动态。FireWorldBench 沿两个互补轴组织：物理能力轴和火灾场景任务轴，共同覆盖物理状态理解、时间动态、因果机制和干预推理。该基准包含 520 条火灾世界条目，其中 494 个受控模拟世界和 26 个对齐真实世界的事件组，横跨 7 个环境族的 47 种场景原型。这些条目结合结构化文本观测、多幅 2D 物理场可视化和 3D 事件级场景建模，形成 9,074 个图文交错的问答对，覆盖选择题和开放式报告生成两种格式。FireWorldBench 评测模型能否从多模态不完整观测中推断潜在物理状态、解释底层机制、预测耦合场演化并评估干预后果，为复杂物理世界智能提供了具有挑战性的测试台。