洛斯阿拉莫斯联合 NVIDIA 发布 ICF 基准：250 题专测模型科学推理
geoffwolfe · x · 2026-11-02
洛斯阿拉莫斯国家实验室与 NVIDIA 联合发布论文，以惯性约束核聚变(ICF)为测试场景，构建了一个专家审定的语言模型科学能力基准：包含 250 道题目，覆盖定性推理、数值计算、符号推导和方程构建四类任务。
评测方法上，他们结合确定性数值/符号校验与 LLM 裁判来评判回答，避免只看最终答案。
发帖者点出的核心启示：正确的数字可能来自错误的物理推导——评测与训练信号应检验假设、量纲与推理过程，而非只奖励端点答案。ReasonCore 已提供 5000 道同风格任务。
「研究」频道最新
- 生成式长视频漂移问题的新思路：让每帧看到全片 — mangahomanga · 2026-11-04
- Reddit 研究者征集 Chinchilla 缩放定律小规模复现实验经验 — turing-math-labs · 2026-11-04
- TLAPS-Bench 发布:265 个真实系统证明目标,GPT-6.1 Sol 仅解出 44.3% — tianyin_xu · 2026-11-04
- StreamDuo 让游戏解说 AI 看懂没玩过的游戏,实体召回提升近 30% — Zixian Gao · 2026-11-04
- Redwood 研究员析递归自我改进：AI 研究自动化与失控加速可以拆开看 — deanwball · 2026-11-04
- UMAP 0.6 引入 Adam 与动量布局优化器,0.7 将设为默认 — leland_mcinnes · 2026-11-04