新方法通过整合经验增强LLM科学计算能力

研究人员开发了一种名为SciConsolidate的新方法，以提高大型语言模型（LLM）的科学计算能力。该技术将解决问题的运行时经验转化为可转移的程序性知识，解决了特定修复可能无法泛化以及较弱模型难以执行抽象程序的问题。通过分析成功和失败的案例，SciConsolidate诱导出跨任务程序，并使用基于失败的查询合成来扩展训练数据。将其应用于Qwen3.6-27B后，其在科学计算任务上的性能有所提高，而较小的Qwen3.5-9B模型在程序被具体化为可执行代码监督后，也显示出显著的提升。 AI

影响 这项研究为创建更强大、可自我改进的科学辅助工具提供了一条途径，使LLM能够从其计算经验中学习和泛化。

排序理由 这是一篇研究论文，详细介绍了一种提高LLM在科学计算方面能力的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• Qwen3.5-9B
• Qwen3.6-27B
• SciCode
• SciConsolidate

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →