12款主流大語言模型ELLE綜合得分排名

本次測試包括多領域、多難度的生態環境專業題目，旨在考察大模型在專業計算、邏輯推理以及政策分析等多方面的綜合能力。

• 計算題（約35%）。涉及公式推導、濃度換算、工程參數計算等，如溶解氧濃度計算、污泥體積縮減以及燃料燃燒的理論空氣量計算。

• 邏輯推理題（約30%）。要求對污染物特征匹配、環境機制分析或治理策略選擇，如分析光化學煙霧前體匹配、水質模型選擇等。

• 專業基礎知識題（約25%）。涉及環境現象解釋、技術原理或政策影響，如生物吸附劑在重金屬治理中的原理、碳泄漏機制及其國際貿易影響。

• 混合類型（約10%）。結合了計算與邏輯推理，典型案例如健康風險評估中日均暴露量公式的推導與應用。

此次TianGong-Agent-2025-04-01智能體架構（https://github.com/linancn/tiangong-ai-langgraph-server）憑借其智能協作框架在評測中表現突出。該架構設計了一套“問題分類→專業化處理→評估迭代”的三階段問題解決流程。大語言模型首先對問題進行分類，隨后將問題分配至相應的處理模塊。在這一環節，智能體針對不同類型問題可以靈活調用相應工具，包括自動檢索知識庫，從而更高效、準確地實現復雜問題的動態處理。在得到初步答案后，智能體不會直接輸出初步結果，而是進入評估環節，通過多維度評分體系對答案質量進行客觀評價，并提出具體改進建議。若評分未達到預設閾值，問題將重新進入分類環節，形成閉環優化機制，確保最終輸出的質量和可靠性。此外，相較于上一賽季，TianGong-Agent在部分環節使用了推理模型。通過以上策略，使TianGong-Agent能夠像專業人士一樣處理復雜問題，識別需求、調用專業工具、評估反思并持續改進，顯著提高了問題解決的準確性，實現比原生大語言模型更優的領域專業性。

隨著領域數據的不斷補充，大語言模型及其應用在生態環境領域的學科專業度、應用廣度與解題深度方面都有望迎來進一步的提升。我們誠摯歡迎更多研究者與開發者參與到ELLE基準測試工作中，共同推動AI在綠色發展和生態文明建設中發揮更加積極的作用。