研究人员开发了EDB-Bio,一个旨在测试语言模型评估科学证据能力的新的基准。该基准源自真实世界的生物学研究,向模型展示实验结果,并要求它们预测假设为真的概率。初步测试表明,当前的顶尖模型和开源模型在信心不足和校准不佳方面存在困难,表现类似于一个基本的基线预测器。然而,使用正确评分规则进行训练后,模型性能显著提高,催生了一个更高效的模型Ibis0,在顺序实验选择任务中效率提高了2.5倍。 AI
影响 该基准可以通过改进模型解释和权衡证据的方式,从而带来更可靠的科学发现AI系统。
排序理由 该集群描述了一个新的科学基准和相关的模型训练,符合研究类别。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →