科学问答AI哪家强? OpenAI o3夺冠 DeepSeek-R1紧随其后
美国人工智能(AI)巨头OpenAI打造的AI模型o3,在艾伦人工智能研究所(Ai2)上周发布的基准测试平台SciArena中被评为回答多领域科学问题的最佳工具。该平台依据102名研究人员对答案质量的投票结果,对23个大型语言模型(LLM)在科学问答中的表现进行了排名。
OpenAI的o3在自然科学、医疗保健、工程学及人文与社会科学领域的回答表现最优,获得超13,000票支持。中国开源模型DeepSeek-R1在自然科学中排名第二,工程学中位列第四;Google的Gemini-2.5-Pro在自然科学中排名第三,工程学和医疗保健中排名第五。
Ai2指出,o3的优势在于其详细引用文献并提供技术细节丰富的回答,但模型表现差异可能部分源于训练数据和优化目标等方面的不同。
SciArena是首批通过众包反馈对科学任务表现进行排名的平台之一,其设计避免了分数操纵等问题。 用户可免费使用该平台提问,系统随机提供两个模型的答案并邀请投票,但仅认证用户的投票计入排行榜。平台通过Semantic Scholar提供参考文献,以增强答案的参考性。
悉尼大学的研究人员认为,SciArena有助于研究者跟进前沿文献,并推动AI模型创新,但其可持续性依赖用户参与度。最后,研究者提醒,大型语言模型的回答可能存在与文献冲突、术语误解或准确性不足的问题,其生成内容不能替代原文阅读研究论文。
责任编辑:站长云网
踩一下[0]
顶一下[0]