Share your thoughts, 1 month free Claude Pro on usSee more

Physical Reasoning on Angry Birds

47.06Success Rate

Qwen-7B^P&I GRPO

Updated 1mo ago

Evaluation Results

Method	Links
Qwen-7B^P&I GRPO 2026.03		47.06
Qwen-7B^P&I GRPO 2026.03		45.61
Qwen-7B^P&I SFT 2026.03		44.12
Qwen-7B^P GRPO 2026.03		44.12
Qwen-7B^P SFT 2026.03		41.18
Qwen-7B^P&I SFT 2026.03		41.18
Qwen-7B^P GRPO 2026.03		41.18
Qwen-7B^P SFT 2026.03		38.24
Gemini-2.5-Pro 2026.03		35.29
GPT-o3 2026.03		35.29
Qwen-3B^P&I GRPO 2026.03		35.29
Claude 4.0 Opus 2026.03		32.35
Qwen-3B^P&I SFT 2026.03		32.35
Qwen-72B 2026.03		29.41
Claude 4.0 Opus 2026.03		29.41
Gemini-2.5-Pro 2026.03		29.41
GPT-o3 2026.03		29.41
Qwen-3B^P GRPO 2026.03		29.41
Qwen-3B^P&I GRPO 2026.03		29.41
Qwen-32B 2026.03		26.47
Qwen-72B 2026.03		26.47
Qwen-3B^P SFT 2026.03		26.47
Qwen-3B^P&I SFT 2026.03		26.47
Qwen-3B^P GRPO 2026.03		26.47
Qwen-7B^I SFT 2026.03		26.47
Qwen-7B^I GRPO 2026.03		26.47
Qwen-3B^P SFT 2026.03		23.53
Qwen-3B^I SFT 2026.03		23.53
Qwen-3B^I GRPO 2026.03		23.53
Qwen-7B^I SFT 2026.03		23.53
Qwen-7B^I GRPO 2026.03		23.53
Qwen-7B 2026.03		20.59
Qwen-3B^I SFT 2026.03		20.59
Qwen-3B^I GRPO 2026.03		20.59
MOCK 2026.03		17.65
Qwen-3B 2026.03		17.65