研究人员推出了 onepot-Bench 0，这是一个旨在评估语言模型在合成化学领域能力的新基准套件。该基准包含三项不同的评估：ChemAbacus 用于化学信息学素养和数值推理，SynthRefusal 用于评估针对各种药物靶点的安全性和拒绝行为，SynthBench 用于使用专有实验数据预测反应结果和催化剂选择。目标是更准确地衡量语言模型在湿式实验室环境中的实际效用，超越现有可能依赖于训练数据的评估。 AI
影响 该基准可能带来更可靠的实验室科学人工智能工具，从而改进实验规划和执行。
排序理由 该集群包含一篇介绍用于评估人工智能模型的新基准的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
