PhysNote：用于视觉语言模型可进化物理推理的自知识笔记

视觉语言模型在处理教科书式物理问题时表现优异，但在需要跨帧时间一致性和因果推理的动态现实场景中常告失败。本文指出两大根本挑战：时空身份漂移导致因果链断裂，以及推理时洞察的易失性阻碍知识复用。为此，我们提出 PhysNote 代理框架，通过自生成的“知识笔记”外化并精炼物理知识。该框架利用时空规范化稳定动态感知，将洞察组织为分层知识库，并驱动迭代推理循环，在巩固已验证知识前将假设锚定于视觉证据。实验表明，PhysNote 在 PhysBench 上准确率达 56.68%，显著优于现有基线。