five

A Benchmark for Evaluating Large Language Models in Structural Engineering

收藏
Zenodo2026-05-28 更新2026-05-26 收录
下载链接:
https://zenodo.org/doi/10.5281/zenodo.20189957
下载链接
链接失效反馈
官方服务:
资源简介:
This record contains Release 1.0 of an English-normalized benchmark for evaluating large language models in structural engineering.   The benchmark contains 300 base tasks and 800 executable instances organized into three difficulty levels: foundational, intermediate, and advanced. The tasks cover equilibrium and internal actions, trusses, section stresses, reinforced concrete, instability and second-order effects, influence lines, structural dynamics, wave and site-response reasoning, torsion and shear-centre interpretation, structural health monitoring, and post-earthquake judgement.

本记录收录了用于评估结构工程领域大语言模型(Large Language Model,LLM)的英语标准化基准测试集的1.0版本。 该基准测试集包含300项基础任务与800个可执行实例,分为三个难度层级:基础级、中级与高级。任务覆盖平衡与内力分析、桁架结构、截面应力、钢筋混凝土结构、失稳与二阶效应、影响线、结构动力学、波浪与场地响应推理、扭转与剪切中心解析、结构健康监测以及震后评估等范畴。 本次发布包含基准测试集的CSV文件、便捷划分集、提示词构建脚本、评分与分析脚本、列结构定义、带文件哈希值的清单文件、数据集卡片、引用元数据以及许可信息。 该基准测试集具备可溯源性且采用闭式解法,但并非隐藏式或防污染测试集。其设计初衷是作为可复现的研究成果载体,用于在结构工程领域对大语言模型性能开展基准条件下的评估,评估维度涵盖准确率、单位一致性、按严重程度加权的误差、置信度校准以及缺失信息拒绝行为。
提供机构:
Zenodo
创建时间:
2026-05-14
二维码
社区交流群
二维码
科研交流群
商业服务