面向科学 AI 中 LLM 推理评估的本体锚定、推理器验证基准

该研究提出从 OWL 2 本体自动生成多选题基准的流水线，正确答案由本体锚定，干扰项通过 OWL 推理器形式化验证。在 Pizza（112 题）、PMDco（2,491 题）和 DOID（15,216 题）三个本体上生成基准，6 个 LLM 零样本准确率为 41.1%-76.8%，显著高于 25% 随机基线。