12:09
官方账号arXiv cs.LG@Brandon Wang, Andrei S. Tyrin, Daniil A. Boiko
推荐理由：想测语言模型能不能真做化学实验？onepot-Bench 0 用私有数据考反应预测和拒毒能力，比公开题更贴近湿实验室。
SynthBench
共 1 条相关 AI 资讯
8月4日
12:09
onepot-Bench 0 是面向湿实验室合成化学能力的语言模型评测基准，包含三项子评估。ChemAbacus 考查无需工具的化学信息学素养与数值推理；SynthRefusal 评测模型对苯二氮卓类、受控药物及设计药物等目标的拒绝与安全行为；SynthBench 使用实验室私有实验数据评测反应结果预测和催化剂选择。该基准旨在补充现有评测中缺失的物理实验室可靠决策能力。