实体 Weihang Su

Weihang Su

PulseAugur coverage of Weihang Su — every cluster mentioning Weihang Su 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

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_15956 · May 5 · 04:00

新基准 SurGE 评估 LLM 在科学调查生成方面的能力

研究人员推出了 SurGE，这是一个新的基准和评估框架，旨在评估大型语言模型在生成科学调查方面的能力。该框架包括一个包含主题描述和专家撰写调查的测试实例数据集，以及一个包含一百多万篇学术论文的语料库。一个自动评估系统根据全面性、引用准确性、组织性和内容质量来衡量生成的调查，结果显示当前先进的模型在该领域仍面临重大挑战。