SciArena平台亮相：科研人员亲测，大语言模型科学文献任务表现大比拼

一个创新性的开放平台SciArena近期正式启动，其核心目的在于评估大型语言模型（LLM）在科学文献处理任务中的实际效能，这一评估依据的是研究人员的真实偏好。平台运行初期，已明显观察到不同模型间存在效能差异。x3M28资讯网——每日最新资讯28at.com

SciArena由耶鲁大学、纽约大学以及艾伦人工智能研究所的专家携手打造，它专注于系统性地评测专有和开源LLM在科学文献处理方面的表现，这一领域此前缺乏系统的评估工具。x3M28资讯网——每日最新资讯28at.com

该平台采用了不同于传统基准测试的方法，效仿Chatbot Arena的模式，引入了真实研究人员的直接评估。用户在提交科学问题后，会收到两个由模型生成并附有相关引用的详细答案，然后用户根据判断选择更优的答案。这些引用的文献均通过专门的ScholarQA检索流程获取。x3M28资讯网——每日最新资讯28at.com

SciArena已积累了来自自然科学、工程学、生命科学和社会科学四大领域102位研究人员的超过13,000份评估数据，涵盖概念阐述、文献检索等多个维度。x3M28资讯网——每日最新资讯28at.com

在当前的排名中，OpenAI的o3模型独占鳌头，领先于Claude-4-Opus和Gemini-2.5-Pro。而在开源模型领域，Deepseek-R1-0528表现突出，甚至超越了部分专有系统。研究团队特别指出，o3在自然科学和工程科学领域的表现尤为亮眼。研究人员还发现，用户在评估时更注重引用与陈述的匹配度，而非单纯引用数量。答案长度等因素对SciArena的影响相对较小，与Chatbot Arena或Search Arena等平台有所不同。x3M28资讯网——每日最新资讯28at.com

尽管取得了显著进展，但自动化评估仍面临挑战。为此，团队还推出了一项名为SciArena-eval的新基准测试，旨在测试语言模型判断其他模型答案的能力。然而，即便是表现最佳的模型，也只有约65%的时间与人类偏好一致，这反映出当前LLM在科学领域的评估系统尚存局限。x3M28资讯网——每日最新资讯28at.com

SciArena平台现已向公众开放，其代码、数据及SciArena-eval基准测试均以开源形式提供，旨在助力开发更符合研究人员在科学信息任务中需求的模型。x3M28资讯网——每日最新资讯28at.com

举报 0收藏 0打赏 0评论 0分享 0  更多>同类资讯谷歌发布Gemini for Education：免费AI工具助力全球教育创新与公平07-03荣耀总裁方飞：苹果入局折叠屏，是激励也是新起点07-03OpenAI坚持英伟达与AMD，暂不全面采用谷歌TPU芯片07-03Crunchyroll新动画字幕出错，疑似AI生成引热议，观众呼吁保证创作质量07-03三星Galaxy Z Fold新机：7月9日震撼发布，16GB+1TB高配来袭现在的手游和应用不断升级，对配置的要求越来越高，所以不少品牌推出自研芯片、性能引擎、算法等方面，进一步优化性能，提升新机体验。新机也被官方称为三星超轻薄折叠旗舰，看来今年的新折叠屏不断追求轻薄，甚至是与直板机…07-03荣耀Magic V5震撼发布：轻薄折叠旗舰，搭载6100mAh大电池与骁龙8至尊芯片荣耀Magic V5采用全新AI交互方式，以更轻薄的折叠旗舰形态与行业领先的AI智能体实力，释放PC级生产力，开启智能交互体验的全新想象，用科技拓宽一小时的生命宽度，带来一辈子的温暖陪伴。荣耀正式宣布支持MC…07-03中国移动新动作：九天人工智能科技公司成立，注册资本高达20亿07-03荣耀Magic V5震撼发布：轻薄折叠旗舰，搭载6100mAh大电池与骁龙8至尊版07-03荣耀Magic V5深度评测：轻薄新纪录，AI折叠屏新标杆在多设备联动上，荣耀MagicV5还可以自家的大屏PC、智能手表、智能耳机等智能联动，不仅支持手表解锁手机功能以及一键锁定手表，并支持双向查找，AI体验同步流转，在荣耀手表5 Ultra上，也可以直接唤醒…07-02荣耀Magic V5震撼发布：纤薄新纪录，满血配置售价8999元起7月2日，荣耀推出了新一代旗舰大折叠手机——荣耀Magic V5，这款手机不仅再创多项大折叠手机纤薄世界纪录，还具有大折叠满血配置，并将AI与手机深度融合，搭载更为智慧化的使用方式。在护眼方面，此前在荣耀直板…07-02荣耀Magic V5评测：轻薄新巅峰，全能AI折叠屏旗舰重塑标准在多设备联动上，荣耀MagicV5还可以自家的大屏PC、智能手表、智能耳机等智能联动，不仅支持手表解锁手机功能以及一键锁定手表，并支持双向查找，AI体验同步流转，在荣耀手表5 Ultra上，也可以直接唤醒…07-02荣耀Magic V5震撼登场：纤薄新纪录，满血配置，售价8999元起7月2日，荣耀推出了新一代旗舰大折叠手机——荣耀Magic V5，这款手机不仅再创多项大折叠手机纤薄世界纪录，还具有大折叠满血配置，并将AI与手机深度融合，搭载更为智慧化的使用方式。在护眼方面，此前在荣耀直板…07-02荣耀Magic V5深度评测：轻薄新标杆，AI折叠屏的全面进化07-02荣耀Magic V5：超薄旗舰新标杆，AI交互重塑大折叠体验它的低温与常温性能差异大约在33.4%，也符合我们对于超薄大折叠的性能释放预期，同时即便是有着如此严格的温控策略，MagicV5的性能表现也依然要明显高于那些使用老平台的竞争对手。Magic V5不只是开创…07-02京东JoyInside携AI潮玩来袭，携手十余家机器人品牌打造智能生态07-02点击查看更多 +全站最新宇宙信使：揭秘玻璃陨石的奥秘与魅力2025上半年机票均价740元，暑运旺季来临价格上扬至839元美波音737客机飞行中襟翼掉落 疑似坠入居民区车道美波音737客机飞行中襟翼掉落 疑似坠入居民区车道马斯克旗下xAI Grok 4曝光，百亿融资助力“重塑知识库”计划丰田汽车上调零部件采购价，力保6万家供应商稳定运营热门内容

• 高考志愿填报热潮中，夸克“深度搜索”成考生新宠，人均使用4次寻建议
• 马斯克宣布Grok 4大模型即将面世，或专为编程打造
• 高考志愿填报热潮下，夸克“深度搜索”助力考生，人均使用达4次
• 中国知网CNKI AI：重塑知识服务新生态，四大核心力引领未来
• 苹果AI「Apple Intelligence」国行版，终于要来了吗？
• QQ浏览器AI高考通新上线：智能生成高考志愿报告，助你科学填报！
• 火山引擎PromptPilot：一键优化指令，解锁AI大模型新效能
• 阿里领投硅基流动，清华系AI创企再获数亿融资，DeepSeek流量爆棚后新动作？
• 夸克高考志愿大模型上线，让每个考生拥有自己的AI志愿填报顾问！
• 字节跳动火山引擎发布豆包1.6与Seedance1.0，AI技术再升级成本大降
• 优志愿鸿蒙版上线，AI智能填报高考志愿，科学规划升学新路径
• 英伟达揽才：清华“天才少年”朱邦华携手焦剑涛加盟
• 淘天集团RecGPT大模型上线，电商推荐迎来个性化新升级
• 斯坦福评测：DeepSeek R1医疗AI大放异彩，成临床场景新冠军
• 《Artificial》今夏开机，揭秘OpenAI 2023年CEO罢免又复职风波

本栏最新三星Galaxy Z Fold新机：7月9日震撼发布，16GB+1TB高配来袭荣耀Magic V5震撼发布：轻薄折叠旗舰，搭载6100mAh大电池与骁龙8至尊芯片中国移动新动作：九天人工智能科技公司成立，注册资本高达20亿荣耀Magic V5震撼发布：轻薄折叠旗舰，搭载6100mAh大电池与骁龙8至尊版荣耀Magic V5深度评测：轻薄新纪录，AI折叠屏新标杆荣耀Magic V5震撼发布：纤薄新纪录，满血配置售价8999元起

本文链接：http://www.28at.com/showinfo-45-14354-0.htmlSciArena平台亮相：科研人员亲测，大语言模型科学文献任务表现大比拼

声明：本网页内容旨在传播知识，若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。邮件：2376512515@qq.com

上一篇： MIT新研究：AI写作工具使用或致大脑活跃度下滑

下一篇： 谷歌发布Gemini for Education：免费AI工具助力全球教育创新与公平