37 lines
1.3 KiB
Markdown
37 lines
1.3 KiB
Markdown
---
|
|
title: 领域知识推理 (Domain Knowledge Reasoning)
|
|
created: 2026-05-01
|
|
updated: 2026-05-01
|
|
type: concept
|
|
tags: [benchmark, llm]
|
|
sources: [papers/dou-cl-bench.md]
|
|
---
|
|
|
|
# 领域知识推理 (Domain Knowledge Reasoning)
|
|
|
|
> CL-bench 的第一类上下文：模型需从上下文中**学习新领域知识并应用**来解决任务。是四种类型中最易的一类，最佳成绩 25.3%。
|
|
|
|
## 七个子类
|
|
|
|
| 子类 | 典型场景 | GPT-5.1 成绩 |
|
|
|------|---------|-------------|
|
|
| Finance | 新金融产品分析 | 25.2% |
|
|
| Healthcare | 窄领域医学建议 | 21.7% |
|
|
| Humanities | 虚构历史分析 | 23.7% |
|
|
| Legal Advisory | 虚构法律体系断案 | 22.8% |
|
|
| Lifestyle | 专业咨询建议 | 19.9% |
|
|
| Management | 管理场景决策 | **34.8%** |
|
|
| Science | 科学领域推理 | 25.8% |
|
|
|
|
## 核心特征
|
|
|
|
- 上下文提供**新的领域知识体系**（如一个虚构国家的完整法律）
|
|
- 任务本质是**演绎推理**：将给定知识应用于具体案例
|
|
- 相对最容易，因为知识是**显式陈述**的（不像经验发现需要归纳）
|
|
|
|
## 相关概念
|
|
- [[context-learning]] — 上下文学习能力
|
|
- [[dou-cl-bench]] — CL-bench 论文
|
|
- [[rule-system-application]] — 规则系统应用
|
|
- [[empirical-discovery-simulation]] — 经验发现（最难类别）
|