跳到正文

ScholarQABench

评测大语言模型的科学文献综合能力

访问官网

ScholarQABench 是什么

ScholarQABench 被介绍为来源于 OpenScholar 项目的综合评估平台,用于衡量大语言模型的科学文献综合能力。

你可以用它做什么

  • 评估计算机科学领域的问答系统
  • 教学生如何评估语言模型
  • 测试并改进服务生物医学研究的模型

它提供什么

  • 评估脚本与多个领域的数据文件
  • 覆盖计算机科学、生物医学、神经科学
  • 指标含准确性与引用完整性

优点与缺点

✓ 我们认可的地方

  • 提供脚本评估自有的推理结果
  • 提供答案转换脚本

! 需要留意的地方

  • 评估覆盖短文与长文生成
  • 环境配置需按 README 建立虚拟环境

常见问题

评估什么?

资料说明衡量大语言模型在多个科学领域的文献综合能力。

列出哪些领域?

资料列出计算机科学、生物医学和神经科学。

最后评测: 2026-11-15

更多 大模型 API 平台 工具

查看全部 →

评测方法