English(EN) AtomWorld: A Benchmark for Evaluating Spatial Reasoning in Large Language Models on Crystalline Materials

AtomWorld基准测试LLM在材料科学中的空间推理能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-29 04:00

一个名为AtomWorld的新基准已被开发出来，用于评估大型语言模型（LLMs）在晶体材料背景下的空间推理能力。该基准在四个建模类别中包含十项基本操作，其中Claude Opus 4.6在测试模型中表现最佳。然而，随着复杂性的增加，成功率显著下降，尤其是在涉及复杂空间关系的操作中，这表明LLMs更适合作为材料结构建模的辅助工具，而不是自主代理。 AI

影响该基准有望推动更复杂、具有空间意识的AI代理在科学发现和材料设计领域的发展。

排序理由该集群描述了一个用于评估LLM在特定科学领域能力的新的学术基准。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一个用于评估LLM在特定科学领域能力的新的学术基准。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 123 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Taoyuze Lv, Alexander Chen, Fengyu Xie, Chu Wu, Jeffrey Meng, Dongzhan Zhou, Yingheng Wang, Bram Hoex, Zhicheng Zhong, Tong Xie · 2026-05-29 04:00

AtomWorld：用于评估大型语言模型在晶体材料上空间推理能力的基准测试

arXiv:2510.04704v4 Announce Type: replace-cross Abstract: Large language models (LLMs) have shown promising potential in scientific research, enabling tasks ranging from knowledge retrieval to property prediction. Existing science benchmarks mainly focus on perceptual or knowledg…

本文如何被排名

报道来源 [1]

AtomWorld：用于评估大型语言模型在晶体材料上空间推理能力的基准测试

相关实体

相关话题