domain-reasoning

WuYuEval 是一个用于评估固体废物管理领域大语言模型的多层级基准，涵盖基础知识、领域推理和专家决策。它包含 4,590 道多选题和 247 道基于场景的开放式问题，并报告了 33 个 LLM 的表现。

本文介绍了ICDAR 2026原子层沉积/刻蚀（ALD/E）科学图表信息提取竞赛，提出了包含四个互补任务的Sci-ImageMiner基准数据集。结果表明，最先进的多模态模型在分类和摘要任务上表现良好，但在数据提取和科学推理方面存在困难，尤其是在视觉问答任务中。