scientific-briefing

本文介绍了CalBrief——一个包含16个证据包和96个人工验证结论的试点诊断基准，用于评估大型语言模型是否能够生成证据校准的科学简报。研究发现，结构化组织能提升推理能力，但显式的强度校准策略过于保守，且这种保守性主要源于标签空间的扩展，而非信号注入。