标签
CARAT 提出了一个匹配证据基准，用于检验材料大模型是真正对晶体结构进行推理，还是仅仅复述输入中已印出的答案，结果发现那些看似显著的性能提升很大程度上反映的是基线之间的差距，而非推理能力的提升。