实体 Buffer Adequacy Score

Buffer Adequacy Score

PulseAugur coverage of Buffer Adequacy Score — every cluster mentioning Buffer Adequacy Score across labs, papers, and developer communities, ranked by signal.

Show in brief

总计 · 30天

90 天内 1

发布 · 30天

90 天内 0

论文 · 30天

90 天内 1

层级分布 · 90 天

主题

最近 · 第 1/1 页 · 共 1 条

RESEARCH · CL_233333 · Sep 2 · 10:42

新的UTP-Bench基准测试LLM在不确定性下的旅行规划能力

研究人员推出UTP-Bench，这是一个新的基准，旨在评估大型语言模型在不确定条件下生成旅行行程的鲁棒性。与假设确定性环境的先前基准不同，UTP-Bench整合了来自印度的真实旅行数据，包括经验性延迟分布和人群模式。它提出了三个新指标——缓冲充分性得分、人群感知计时得分和交通延迟吸收得分——来量化生成计划在处理交通延迟和人群可变性方面的表现。使用GPT-5、Qwen3、Mistral和Phi-4等模型的实验揭示了AI生成计划与人类编写…

新的UTP-Bench基准测试LLM在不确定性下的旅行规划能力