跳到正文
热点事件持续更新

研究者发布工程判断基准 EJBench

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

研究者 James Sadler 等人发布工程判断力基准 EJBench,考察模型能否从少量已有结果预测设计在新工况下的表现并据此决策。任务源自电池冷板的共轭传热设计活动,答案取自收敛的仿真结果,而非由 LLM 评判。 在十个前沿模型中,表现最好的 GPT-6 Astra 得分为 0.71。研究还发现,模型在答错任务上的置信度与答对时几乎相同。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. arXiv cs.AI
    EJBench:基于共轭传热设计活动的工程判断力基准

    研究者发布 EJBench,一个与软件无关的工程判断力基准,考察模型能否从少量已有结果预测设计在新工况下的表现并做出决策。任务源自电池冷板的共轭传热设计活动,答案均取自收敛的仿真结果而非 LLM 评判;十个前沿模型中表现最好的 GPT-6 Astra 得分为 0.71,且模型在答错任务上的置信度与答对时几乎相同。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。