深度分析 「PHREEQC-MCQ-200」基準評估工具增強大型語言模型在水相地球化學模擬的可靠性 隨著大型語言模型逐漸接入科學軟體，如何判斷工具使用是否提升計算可靠性成為關鍵。研究推出PHREEQC-MCQ-200基準，要求模型自行產生PHREEQC輸入、執行模擬並從結構化輸出中取得答案。結果顯示，工具增強能顯著提升整體正確率，但亦會導致部分已正確的題目失分，顯示效能並非單調提升。
