研究人员推出EJBench,一个旨在评估AI模型工程判断能力的新基准,特别是其根据有限的先验数据预测新条件下设计行为的能力。与侧重于软件操作的基准不同,EJBench评估工程师在不运行模拟的情况下得出结论的能力。该基准的任务源自电池冷板的共轭传热设计活动,侧重于匹配未标记的结果、选择关键数据点以及按峰值温度对设计进行排名。表现最佳的前沿模型GPT-6 Astra得分为0.71,而经过微调的Qwen3.5-9B模型在训练后得分从0.071提高到0.106。 AI
影响 该基准可以推动能够进行更细致工程决策的AI系统的发展,超越简单的数据处理。
排序理由 该集群包含一篇介绍AI能力新基准的研究论文。[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 →