物理基础模型是否学习可泛化的物理？基于动态尺度和分布迁移的偏差敏感基准测试

近期的物理基础模型声称具备通用的时空预测能力，但其评估往往在固定训练分布下压缩为单一的平均分数，这使得难以确定模型是否学习了可泛化的物理动力学或仅在特定设置下表现良好。我们构建了一个包含 8 种物理动力学、3 种训练数据混合方式以及 25 种由动态尺度和初始条件复杂性迁移引起的测试场景的基准，覆盖在分布、分布迁移和超出分布的设置。我们评估了五种物理基础模型架构和每种架构的四个模型变体（从头训练和三个预训练大小）， resulting in 60,000 项测量。我们的结果表明，当前的物理基础模型行为方式类似于条件性而非通用泛化者：它们的泛化性取决于物理场景、时间尺度、初始条件设置、预训练方式、模型规模和架构。仅改进训练数据分布只能部分缓解这一限制。预训练和规模化也无法可靠地消除这些能力偏差。我们认为，改进物理基础模型需要超越规模化模型或扩大数据，转向能够更好捕捉跨场景、跨时间尺度和分布迁移中可迁移物理知识的学习机制。