arXiv · AI· P. B. Radha, D. D. Meyerhofer, M. Bhattarai, B. Cheng, L. Diaz, C. L. Rousculp, A. G. Seaton, G. Gupta, P. Gurumurthy, V. Gutta, A. Jhunjhunwala, A. Vem, P. Cook, G. Rowe·· 9 小时前AI 评分21
评估大语言模型在科学应用中的表现：以惯性约束聚变为例
Assessing Language Models for Scientific Applications: Inertial Confinement Fusion as a Use Case
AI 导读
该研究构建含250道题目的惯性约束聚变基准测试，对比闭源、开源模型与专家定制模型Prospero。 Prospero经领域预训练和微调后，总分较基座模型提升10.7个百分点，但前沿模型在数值计算中仍存在关键物理错误。 研究表明领域专项能力可提升，但基准分数不能直接确立科学可靠性，需结合检索和专家评估。
来源：arXiv · AI · arxiv.org