Everyday Physics in Korean Contexts: A Culturally Grounded Physical Reasoning Benchmark

现有的物理常识推理基准主要聚焦西方情境，忽视了物理问题解决中的文化差异。为此，我们提出 EPiK（Everyday Physics in Korean Contexts），一个包含 181 个二选一问题的新型基准，用于测试韩国文化情境下的物理推理能力，涵盖从韩式生菜 (kimchi) 到传统发酵等多种情境。EPiK 采用两阶段生成与验证管道，构建具有文化真实性的问题，覆盖 9 个推理子任务和 84 个情境。不同于基于简单翻译的方法，本方法从韩国情境中有机生成问题，同时保持严格的物理推理标准。我们的评估显示，韩国专用模型在相当大小的常规模型中持续优于通用模型。这一绩效差距凸显了文化中性模型的局限性，表明文化敏感基准对真正衡量语言理解能力至关重要。我们的 EPiK 已在 https://huggingface.co/datasets/jjae/EPiK 上公开。