研究者发布惯性约束聚变基准并评测语言模型

Radha 等（通用原子/ICF 研究团队）以惯性约束聚变为案例，构建了由专家标注的 250 道题语言模型基准，覆盖定性推理、数值计算、符号推导和方程构建，并用确定性数值与符号检查及语言模型评审进行评估，同时评测了闭源、开源模型及专用模型 Prospero。 评测结果显示，前沿模型综合得分最高，但仍存在关键的物理错误，尤其体现在数值计算上。检索增强让较小的模型表现提升，但对前沿模型的提升没有统计显著性。

AI 根据报道生成 · 46 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。