坡道、摆锤和跷跷板都很容易叫出名字。难点在于算出球滚到哪里、是否会触发下一环。研究者制作了 427 对二维场景,由刚体模拟器计算结果。每对场景只改变某个量的一到三个网格单位。
在没有提示时,受测前沿模型把同一对题目都答对的比例最高约为 34%。给出决定结果的计算及所需数值后,部分模型的表现明显提升。这里也有一个观测限制:相关速度等数值并不总能从单张图中直接看见。
论文开头的一对题只把跷跷板配重加宽一个网格步长。球掉入桶里的过程在两幅图中相同,跷跷板是否翻转却随配重变化。这样的成对设计避免了一个常见假象:模型若对所有题都回答“会翻转”,偶尔也能答对单图,但不可能把这一对都解释正确。
