PulseAugur
中
实时 21:46:26
实体 USNCO

USNCO

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

Show in brief
总计 · 30天
0
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 1 条
  1. RESEARCH · CL_228733 ·

    新的ScienceArena基准测试大型语言模型在奥林匹克级别科学问题上的表现

    研究人员开发了ScienceArena,这是一个旨在评估大型语言模型(LLMs)科学推理能力的新基准。该基准利用了近期国际物理奥林匹克、化学奥林匹克和生物学奥林匹克竞赛的题目,这些题目包含多步骤、开放式问题,难以自动评分。评估过程包括专家审核和奥林匹克奖牌获得者的验证以确保准确性,并校准了“大型语言模型即裁判”系统以实现可扩展的评估。对十四个大型语言模型的初步评估表明,虽然顶级模型在某些考试中可以达到奖牌同等分数,但在化学等领域以及在…