研究人员推出了InteractScience，一个旨在评估大型语言模型生成交互式科学演示能力的新基准。该基准结合了程序化功能测试和视觉基础的定性测试，以评估模型在科学准确性和交互式编码能力方面的表现。对30个领先LLM的评估显示，它们在整合领域知识与交互式前端开发方面存在持续的不足，突显了该领域进一步发展的必要性。 AI
影响 为LLM在科学代码生成方面建立了新的评估标准，推动了创建交互式教育和研究工具的进展。
排序理由 该集群描述了一篇介绍用于评估LLM能力基准的新学术论文。[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 →