本体接地、推理器验证的科学 AI LLM 推理评测基准

提出一条从 OWL 2 本体自动生成多项选择题（MCQ）基准的流水线，正确答案由本体接地、干扰项经 OWL 推理器蕴含检查形式化验证。在 Pizza、PMDco、DOID 上分别生成 112、2,491、15,216 道 MCQ，LLM judge 流畅度均分 4.02、4.36、3.36（满分 5），正确项与干扰项相似度超 0.8。