SCICONVBENCH：基准测试大语言模型在计算科学任务构建中的多轮澄清能力

大语言模型正日益作为科学 AI 助手部署，现有基准多假设问题已明确定义，而实际场景常需通过对话澄清模糊请求。本文提出 SCICONVBENCH，涵盖流体力学等四个领域的多轮澄清基准，旨在评估模型获取缺失信息（消歧）及检测纠正矛盾请求的能力。该基准结合结构化本体与评分框架，从澄清行为、对话 grounding 及最终规范忠实度三维衡量性能。研究发现前沿模型在矛盾解决上表现尚可，但在消歧任务中成功率不足 53%，且常做出无依据的隐性假设。