- 资讯公开站rss_arxiv_cs_ai
通过嵌入式编码改进大语言模型的医学计算能力
Improving Medical Calculation of LLMs with Embedded Coding
arXiv:2609.31908v1 公告类型：新 摘要：大语言模型（LLM）在医学考试和问答基准上表现良好，但在需要精确数值输出的医学计算任务上仍不可靠。这些计算支撑着用药剂量、器官功能评估和预后评分等高风险决策，即使很小的误差也可能带来严重的临床后果。我们提出 MedCode，一个通过训练 LLM 生成嵌入式可执行代码来改进医学计算的框架。给定临床情境，模型识别相关计算器，提取其输入变量，并生成一段将算术运算委托给确定性解释器的脚本…
- 资讯公开站rss_arxiv_cs_ai
Benchy：迈向面向任务型AI基准测试的通用语言
Benchy: towards a universal language for task-oriented AI benchmarks
arXiv:2609.30550v1 公告类型：新 摘要：Benchy 是一种用于对 AI 程序进行基准测试的语义语言与执行引擎。一个基准由程序、评分函数和数据集完整指定，B=(P,S,D)，并与接受测试的 AI 系统相分离；一次运行将二者绑定，R=(B,AI)。基准以规范 YAML 编写，其中每个语义概念只有一种有效语法，并由共享的任务/领域/语言本体分类，且被确定性地编译为规范 JSON 中间表示，由引擎执行。编译改变的是表示，而非…
- 资讯公开站Semiconductor Engineering
开放基准评估2.5D和3D IC的AI热模型（UTS、慕尼黑工大、上海科大）
Open Benchmark Evaluates AI Thermal Models for 2.5D and 3D ICs (UTS, TU Munich, ShanghaiTech)
摘要显示，悉尼科技大学、上海科技大学和慕尼黑工业大学的研究人员联合发表了一篇题为“IC-ThermBench: An Open, Progressive Benchmark for Generalizable 2.5D/3D-IC Thermal Learning”的技术论文。该基准结合了已有的3D-IC稳态、瞬态及工业封装任务，并新增了一个包含50,000个样本的2.5D chiplet数据集，旨在评估AI热模型的泛化能力。
意义：为AI驱动的2.5D/3D IC热分析提供标准化评估平台，有助于推动热建模方法的可复现性与泛化能力比较。