★ 3
CARAT：材料大模型是推理还是背诵
论文提出CARAT基准，在固定问题与标准答案的前提下用八种匹配视图检验材料LLM究竟是依据晶体结构推理还是照抄输入中已印出的答案。研究发现GraphSpace相对普通周期图的19.3分优势主要来自基线缺失字段，而非证据呈现方式。冻结模型在95.6%的配对案例中引用关系却未真正使用，经匹配监督后可提…
arXiv cs.AI32 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出CARAT基准，在固定问题与标准答案的前提下用八种匹配视图检验材料LLM究竟是依据晶体结构推理还是照抄输入中已印出的答案。研究发现GraphSpace相对普通周期图的19.3分优势主要来自基线缺失字段，而非证据呈现方式。冻结模型在95.6%的配对案例中引用关系却未真正使用，经匹配监督后可提…