实体 EDB-Bio

EDB-Bio

PulseAugur coverage of EDB-Bio — every cluster mentioning EDB-Bio across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_336230 · Nov 2 · 05:00

新基准测试AI评估科学证据的能力

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。