★ 2
研究用惯性约束聚变基准评测语言模型科学能力
论文以惯性约束聚变为用例，构建 250 题专家标注基准，覆盖定性推理、数值计算、符号推导与方程构建。领域特化模型 Prospero 较基座提升 10.7 个百分点，前沿模型总分最高但数值计算仍存关键物理错误。检索对小模型有帮助、对前沿模型无显著提升，作者建议特化前先评估现有能力。
arXiv cs.AI3 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文以惯性约束聚变为用例，构建 250 题专家标注基准，覆盖定性推理、数值计算、符号推导与方程构建。领域特化模型 Prospero 较基座提升 10.7 个百分点，前沿模型总分最高但数值计算仍存关键物理错误。检索对小模型有帮助、对前沿模型无显著提升，作者建议特化前先评估现有能力。