研究人员推出了PhySciBench，这是一个旨在评估大型语言模型（LLM）智能体在物理科学研究中能力的新基准。包括Gemini Deep Research在内的当前最先进模型在此基准上的表现有限，准确率仅为33.5%。为解决这些局限性，已开发出一个名为DelveAgent的新框架，该框架可将准确率提高多达7.5个百分点并降低推理成本。 AI
影响 为评估AI在物理科学中的应用树立了新标准，突显了对DelveAgent等专业架构的需求。
排序理由 该集群描述了一篇介绍物理科学AI基准和框架的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
