标签
EnSol是一种环境感知图神经网络，它通过将溶质和溶剂表示为图，并使用交叉注意力来建模相互作用，同时利用概率输出来捕捉温度效应和实验不确定性，从而预测分子溶解度。该模型在基准数据集上取得了最先进的性能，并经过实验验证。
EnvShip-Bench 是一个新的短期船舶轨迹预测基准，基于大规模AIS数据构建，包含标准化协议和环境上下文扩展。
本文首次系统分析了大型语言模型如何通过强化学习学习适应不同检索器的查询制定策略，揭示了不同的最优查询风格，并引入了一种基于分支的展开技术以提高多检索步训练稳定性。
SABER引入了一个基准，用于评估LLM编码代理在真实具有状态的项目工作空间中的操作安全性，显示即使是最佳模型也有超过54%的有害安全违规率，表明在真实世界环境中的对齐不足。
AJ-Bench 提出一套评测基准，用于衡量 Agent-as-a-Judge 系统通过与环境交互来验证智能体行为的能力，覆盖搜索、数据系统与 GUI 领域的 155 项任务。