12款主流大语言模型ELLE综合得分排名

本次测试包括多领域、多难度的生态环境专业题目，旨在考察大模型在专业计算、逻辑推理以及政策分析等多方面的综合能力。

• 计算题（约35%）。涉及公式推导、浓度换算、工程参数计算等，如溶解氧浓度计算、污泥体积缩减以及燃料燃烧的理论空气量计算。

• 逻辑推理题（约30%）。要求对污染物特征匹配、环境机制分析或治理策略选择，如分析光化学烟雾前体匹配、水质模型选择等。

• 专业基础知识题（约25%）。涉及环境现象解释、技术原理或政策影响，如生物吸附剂在重金属治理中的原理、碳泄漏机制及其国际贸易影响。

• 混合类型（约10%）。结合了计算与逻辑推理，典型案例如健康风险评估中日均暴露量公式的推导与应用。

此次TianGong-Agent-2025-04-01智能体架构（https://github.com/linancn/tiangong-ai-langgraph-server）凭借其智能协作框架在评测中表现突出。该架构设计了一套“问题分类→专业化处理→评估迭代”的三阶段问题解决流程。大语言模型首先对问题进行分类，随后将问题分配至相应的处理模块。在这一环节，智能体针对不同类型问题可以灵活调用相应工具，包括自动检索知识库，从而更高效、准确地实现复杂问题的动态处理。在得到初步答案后，智能体不会直接输出初步结果，而是进入评估环节，通过多维度评分体系对答案质量进行客观评价，并提出具体改进建议。若评分未达到预设阈值，问题将重新进入分类环节，形成闭环优化机制，确保最终输出的质量和可靠性。此外，相较于上一赛季，TianGong-Agent在部分环节使用了推理模型。通过以上策略，使TianGong-Agent能够像专业人士一样处理复杂问题，识别需求、调用专业工具、评估反思并持续改进，显著提高了问题解决的准确性，实现比原生大语言模型更优的领域专业性。

随着领域数据的不断补充，大语言模型及其应用在生态环境领域的学科专业度、应用广度与解题深度方面都有望迎来进一步的提升。我们诚挚欢迎更多研究者与开发者参与到ELLE基准测试工作中，共同推动AI在绿色发展和生态文明建设中发挥更加积极的作用。