本文探讨了大型多模态模型（LMMs）在科学问题解决中的能力，提出了SciVerse基准测试，揭示了其在科学知识理解和推理方面的局限性，旨在促进未来的发展。

本文介绍了VoxEval，一个新的语音问答基准，旨在评估端到端语音语言模型的知识理解能力。研究表明，现有模型在多样化音频条件下存在显著性能限制，为未来的改进提供了方向。

本研究提出了LongRAG系统，解决了长上下文问答中大语言模型的“迷失于中间”问题，显著提升了问答的准确性，展示了其在复杂知识理解中的潜力。

研究调查了100位哲学家和计算机科学家，探讨大型语言模型在知识理解上的不足。结果显示，LLMs在逻辑推理、语义理解和知识库可靠性方面存在问题，尤其在常识推理和抽象概念理解上与人类有差距。尽管LLMs能生成流畅文本，但在多义一致性上仍显不足。