研究人员开发了NeutronGym，一个旨在测试大语言模型智能体物理推理能力的新型环境。该系统通过使用McStas等工具进行射线追踪和物理分级评估来评估智能体的科学仪器设计能力。初步测试表明，当前模型在复杂的设计任务中存在困难，即使是先进模型也只能复现一小部分期望的结果。然而，通过在NeutronGym中进行强化学习，一个模型Qwen3-8B显著提高了其性能，在未见过的数据上取得了高成功率，并展示了大语言模型在科学设计方面的潜力。 AI
影响 这项研究通过提高大语言模型在物理推理和解决问题方面的能力，有望促成更强大的用于科学发现和工程的大语言模型。
排序理由 该项目描述了一个新的研究环境和基准，用于评估大语言模型在科学领域的能力。[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 →
