arXiv 机器学习· YuJie Liu, Dezhen Xue, Jun Sun, Xiangdong Ding, Zhibin Gao, Turab Lookman·· 9 時間前AI スコア37
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
Quantifying out-of-distribution data severity with Wasserstein distances: benchmarking large language models for alloy property prediction
未翻訳のため中国語で表示しています。
AI ガイド
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。
出典：arXiv 机器学习 · arxiv.org