LLNL 基准:9 个模型仅 2 个识破缺陷模拟器

劳伦斯利弗莫尔国家实验室(LLNL)发布交互式基准 SciResearch-Eval(论文已上 arXiv),让 9 个 AI 模型在模拟环境中完成加热样品、拟合热传导模拟器并报告带 95% 置信区间的热导率等标准实验任务,其中模拟器被故意做了错误处理。结果显示仅 2 个模型识破模拟器存在问题,该基准首次将 agent 自主实验设计、缺陷模拟器与区间校准评分结合,用于考察 AI 的科学判断力。

2026-11-19 ~ 2026-11-19 · 2 条相关