OraclePhys：LLM 微调 结构力学的系统框架

语言模型从 微调 中内化的内容通常是事后诊断的。我们将其作为实验变量。 OraclePhys 是一个系统化的 微调 框架，由三个组件组成： OraclePhys-Bench，一个精确分级的结构力学基准，其有限元预言机对每个答案和反事实编辑进行评分——没有人工标签，没有 LLM 判断； OraclePhys-30K，基于字节相同结构描述的七种答案形式的监督数据集；以及针对七种形式和三种验证者角色的受控训练研究。该研究得出两个结果。首先，标签的答案形式——而不是它的位数——因果地决定了 微调 所教导的内容：排名目标安装了一个分布外的前向模型，其中未经训练的基础位于猜测先验，标量目标充其量是部分目标，布尔值无法检测到；矢量标量鸿沟在第二个物理域、第二个模型族和解释的评估表面中幸存下来。其次，书面或分数过滤的答案安装了此功能，而优势加权分数（GRPO）提高了奖励，但使模型在统计上等同于其在测试的配方和预算内的物理起点 - 仅足以用于路由。经过训练的 8B——第一个关于空间结构响应的 LLM——达到了任务的数据精度前沿：在零和 32 次发射时高于前沿 LLM，达到专家水平。标签中关于目标计算的说明是 微调 所教导的；你训练什么，你就走什么路线。