본 논문은 대규모 언어 모델(LLM)의 물리 교육 문제 해결 능력을 평가하고, 교육 및 평가에 대한 시사점을 논의합니다. 독일 물리 올림피아드 문제를 사용하여 일반 목적 LLM(GPT-4o)과 추론 최적화 모델(o1-preview)의 성능을 올림피아드 참가자들의 성능과 비교 분석했습니다. 그 결과, 두 LLM 모두 올림피아드 수준의 물리 문제 해결 능력을 보였으며, 평균적으로 인간 참가자보다 더 나은 성적을 거두었습니다. 특히, o1-preview는 GPT-4o와 인간 참가자 모두를 능가하는 성능을 보였습니다. 프롬프트 기법은 GPT-4o의 성능에 거의 영향을 미치지 않았습니다. 이러한 결과를 바탕으로 물리 교육에서의 평가 설계 방향과 LLM 활용에 대한 교육적 함의를 논의합니다.
