实体 WuYuEval

WuYuEval

PulseAugur coverage of WuYuEval — every cluster mentioning WuYuEval 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_193430 · Aug 11 · 04:00

新基准WuYuEval评估大语言模型在固废管理中的能力

研究人员推出了WuYuEval，这是一个新颖的基准测试，旨在评估大语言模型（LLMs）在固体废物管理（SWM）领域的特定能力。该基准测试包含一个包含多项选择题的基础模块和一个包含基于场景的开放式问题的专家模块，旨在评估LLMs在工程、环境和政策约束下的专业决策能力。对33个LLMs的初步评估显示，模型性能存在显著差异，顶级模型在基础知识方面取得了高准确率，但在复杂推理和专家任务方面表现不佳。研究还表明，虽然面向推理的思维模式可以提高L…