无限问题生成器：利用代理工作流可扩展地生成可验证的物理推理数据

针对大型语言模型在复杂推理训练中面临的高质量可验证数据稀缺问题，本文提出了无限问题生成器（IPG）。这是一个基于代理的框架，采用“公式即代码”范式合成物理问题，通过将解决方案构建为可执行的 Python 程序来确保严格的数学一致性，避免了传统文本增强的幻觉问题。作为概念验证，作者发布了包含 1335 个经典力学问题的数据集。研究还发现了复杂度蓝图，确立了代码复杂度作为问题难度的精确指标，支持可控的课程生成。