实体 C-SUITEBENCH

C-SUITEBENCH

PulseAugur coverage of C-SUITEBENCH — every cluster mentioning C-SUITEBENCH across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

RESEARCH · CL_187166 · Aug 6 · 10:43

多模态大语言模型在视觉能力提升的同时，在执行决策方面仍显不足

一项名为C-SUITEBENCH的新基准测试旨在评估多模态大语言模型在企业高管业务场景中的决策能力。该基准测试包含文本和多模态条件，涵盖50个场景和五个决策任务。测试发现，尽管视觉输入通常能提升推理能力，尤其是在风险预测和董事会陈述方面，但在资源受限的分配任务中，视觉输入却会降低所有九个前沿模型（frontier models）的性能。这表明结合视觉信息可能导致信号拥挤（signal crowding），并干扰约束满足（constra…