实体 GeoBuildBench

GeoBuildBench

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

总计 · 30天

0

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

0

90 天内 1

层级分布 · 90 天

主题

最近 · 第 1/1 页 · 共 1 条

RESEARCH · CL_30787 · May 13 · 08:30

新基准测试 LLM 在交互式几何构建方面的能力

研究人员开发了 GeoBuildBench，一个评估大型语言和多模态模型将自然语言几何问题转化为可执行构建程序能力的基准。该基准与其他基准的不同之处在于，它侧重于几何图的交互式生成，而不仅仅是静态解释或答案的正确性。它包含 489 个中文课本风格的问题，评估显示当前模型在结构幻觉和约束满足方面存在困难，表明需要改进基于现实的推理能力。