arXiv · cs.AI· Jingyuan Li, Yujie Liu, Yijie Dai, Xiaoyu Yuan, Nian Ran, Huajie Niu, Ming Zhu, Shuwen Zhao, Chenxi Li, Fenghao Lu, Jiahao Li, Xinyu Gu, Zhe Liu, Long Xu, Wenlong Zhang, Bo Zhang, Lei Bai, Peiyu Zhang, Minting Pan, Weinan Zhang, Dongzhan Zhou·· 5 小时前
LabOPBench：面向证据驱动实验室决策的多模态基准
LabOPBench: A Multimodal Benchmark for Evidence-Grounded Laboratory Decision Making
arXiv:2610.19780v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Jingyuan Li, Yujie Liu, Yijie Dai, Xiaoyu Yuan, Nian Ran, Huajie Niu, Ming Zhu, Shuwen Zhao, Chenxi Li, Fenghao Lu, Jiahao Li, Xinyu Gu, Zhe Liu, Long Xu, Wenlong Zhang, Bo Zhang, Lei Bai, Peiyu Zhang, Minting Pan, Weinan Zhang, Dongzhan Zhou
研究任务与主要进展
研究者发布LabOPBench多模态基准，用756道专家编写并经独立评审的题目评估有机合成和材料科学中的证据驱动实验室决策。基于论文摘要，8个多模态模型的总体标准化得分仅为28.8%—45.8%；在受控的100题子集上，最强模型平均超过本科生，但仍低于博士生平均水平，专家分析认为主要错误模式是证据误读和证据—决策冲突。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org