arXiv 机器学习· Conor Igoe, Gabriel Grand, Zane Koch, Albert Bou, Eli Moss, Michaela M. Hinks, Samuel G. Rodriques, Andrew White, Siddharth Narayanan·· 3 小时前AI 评分45
大语言模型能否识别令人信服的科学证据？
Do Language Models Know What Compelling Scientific Evidence Looks Like?
AI 导读
研究团队推出评估科学证据推理能力的基准 EDB-Bio，包含 3 个生物领域的 96k 个序列，发现开源和前沿模型开箱时均存在系统性欠自信。经严格真评分规则后训练后，团队开发的 Ibis0 模型校准度显著提升，在序列实验选择任务中效率达最佳前沿模型的 2.5 倍。该研究的所有代码、数据及训练模型均已开源。
来源：arXiv 机器学习 · arxiv.org