SteelBench

SteelAgent论文揭示LLM编排的钢材性能预测挑战

一项新的研究论文介绍了一个名为SteelAgent的系统，该系统旨在通过整合冶金描述符和机器学习模型与语言模型接口来改进钢材性能的预测。研究强调，当模型外推到不熟悉的合金时，模型性能存在显著差异，当按钢材家族或来源进行数据保留而非随机分割时，准确性和预测区间覆盖率会急剧下降。物理衍生特征的有效性也被发现是依赖于上下文的，会根据具体的评估和数据集而变化。