FrontierMat材料研发前沿基准发布

arXiv新论文发布FrontierMat基准，包含330道来自航空航天、半导体、具身智能及核聚变等前沿科研与工业领域的问题，用于评估语言模型在材料研发前沿的表现。 该基准测试结果显示，最强通用模型在330道题上得分仅为53.7%。其中130道需要跨尺度推理的题目表现更差，平均得分比整体低8.7分，揭示了模型在处理复杂物理尺度关联时的局限。 研究还表明，通过领域适配技术，开源模型的表现可从36.7%提升至55.4%，显示出针对特定领域进行微调对提升专业领域推理能力的显著作用。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。