Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2510.14944

帮助 | 高级搜索

计算机科学 > 计算与语言

arXiv:2510.14944 (cs)
[提交于 2025年10月16日 ]

标题: MetaBench:代谢组学中评估大语言模型的多任务基准

标题: MetaBench: A Multi-task Benchmark for Assessing LLMs in Metabolomics

Authors:Yuxing Lu, Xukai Zhao, J. Ben Tamo, Micky C. Nnamdi, Rui Peng, Shuang Zeng, Xingyu Hu, Jinzhuo Wang, May D. Wang
摘要: 大型语言模型(LLMs)在通用文本上表现出色;然而,它们在需要深度和相互关联知识的专门科学领域中的能力仍 largely 未被描述。 代谢组学面临着独特的挑战,包括复杂的生化途径、异构的标识符系统和碎片化的数据库。 为了系统评估该领域的LLM能力,我们引入了MetaBench,这是第一个用于代谢组学评估的基准。 从权威的公开资源中整理而来,MetaBench评估了代谢组学研究中五个关键能力:知识、理解、定位、推理和研究。 我们对25个开源和闭源LLM的评估揭示了在代谢组学任务中的不同性能模式:尽管模型在文本生成任务中表现良好,但跨数据库标识符定位即使在检索增强的情况下仍然具有挑战性。 对于注释稀疏的长尾代谢物,模型性能也会下降。 通过MetaBench,我们提供了开发和评估代谢组学AI系统的必要基础设施,推动可靠计算工具在代谢组学研究中的系统性进展。
摘要: Large Language Models (LLMs) have demonstrated remarkable capabilities on general text; however, their proficiency in specialized scientific domains that require deep, interconnected knowledge remains largely uncharacterized. Metabolomics presents unique challenges with its complex biochemical pathways, heterogeneous identifier systems, and fragmented databases. To systematically evaluate LLM capabilities in this domain, we introduce MetaBench, the first benchmark for metabolomics assessment. Curated from authoritative public resources, MetaBench evaluates five capabilities essential for metabolomics research: knowledge, understanding, grounding, reasoning, and research. Our evaluation of 25 open- and closed-source LLMs reveals distinct performance patterns across metabolomics tasks: while models perform well on text generation tasks, cross-database identifier grounding remains challenging even with retrieval augmentation. Model performance also decreases on long-tail metabolites with sparse annotations. With MetaBench, we provide essential infrastructure for developing and evaluating metabolomics AI systems, enabling systematic progress toward reliable computational tools for metabolomics research.
评论: 22页,6图,4表
主题: 计算与语言 (cs.CL) ; 人工智能 (cs.AI); 计算工程、金融与科学 (cs.CE)
引用方式: arXiv:2510.14944 [cs.CL]
  (或者 arXiv:2510.14944v1 [cs.CL] 对于此版本)
  https://doi.org/10.48550/arXiv.2510.14944
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Yuxing Lu [查看电子邮件]
[v1] 星期四, 2025 年 10 月 16 日 17:55:14 UTC (2,013 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
查看许可
当前浏览上下文:
cs
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-10
切换浏览方式为:
cs.AI
cs.CE
cs.CL

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号