研究人员开发了SPM-Bench，这是一个旨在评估大语言模型（LLMs）在扫描探针显微镜领域能力的新基准。该基准利用自动数据合成管道，从科学论文中提取图像-文本对，确保高质量和高效率。SPM-Bench引入了一种新颖的评估指标SIP-F1，该指标不仅对模型性能进行排名，还能对其推理“个性”进行分类，并识别其在复杂物理场景中的真正局限性。 AI
影响 为大语言模型在科学领域的应用建立了新的评估标准，有望推动专业化人工智能推理能力的提升。
排序理由 该集群包含一篇学术论文，详细介绍了一个用于评估大语言模型在特定科学领域能力的新基准测试。[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 →