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。

本文提出了VoxEval，一个新的基于语音的问答基准，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，为未来改进提供了方向。

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。

本文探讨大型语言模型（LLMs）在知识理解和不确定性评估方面的能力，提出了新的数据集和分类方法。研究表明，检索增强能有效提升LLMs对知识边界的感知，且模型在生成答案时依赖检索结果。通过分析不同知识图谱注入方法，发现LLMs能够有效处理混乱的知识图谱，为未来研究提供了重要见解。