qa-benchmark

ProtStructQA 引入了一个可执行的蛋白质结构问答基准，该基准将自然语言查询编译为类型化的 DSL 程序，以评估 LLM 在精确 3D 测量上的能力，揭示了一个依赖于能力的指称阈值：当模型规模超过一定大小时，思维链变得非常有益。