研究团队提出结合通用LLM与数值先验的合金性能预测方法
Start here
2026年11月4日，arXiv发布了一篇关于合金性能预测大语言模型基准评测的研究。评测显示，Gemini与DeepSeek等通用大语言模型在钛、钢、高熵合金及铝的性能预测表现上，超越了SteelBERT等材料专用模型。该方法基于Wasserstein距离量化分布外数据严重程度，通过将CatBoost等先验数值作为提示词输入，使Deepseek V3.1与Gemini-2.5-Flash作为推理校正器实现了更高准确率。此外，评测表明仅采用5%的高相似度参考数据即可达到100%训练集的效果，大幅降低了对专属预训练的依赖。
AI-generated from reports · Updated 6 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 机器学习基于 Wasserstein 距离量化分布外数据严重程度：合金性能预测的大语言模型基准评测
评测显示，Gemini 与 DeepSeek 等通用大语言模型在钛、钢、高熵合金及铝的性能预测上超越了 SteelBERT 等材料专用模型。通过输入 CatBoost 等先验数值作为提示词，Deepseek V3.1 与 Gemini-2.5-Flash 作为推理校正器实现了更高准确率。此外，仅采用 5% 高相似度参考数据即可达到 100% 训练集的效果，大幅降低对专属预训练的依赖。
Story heat trend
Current heat 8·Comparable peak 10（Nov 4 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.