实体 KierstonBench

KierstonBench

PulseAugur coverage of KierstonBench — every cluster mentioning KierstonBench 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_340885 · Nov 3 · 00:00

新基准评估语言模型在犯罪调查和监控任务中的表现

研究人员开发了 Kierston，一个城市规模的模拟引擎，以及 KierstonBench，一个旨在评估大型语言模型在犯罪调查和监控任务中能力的基准。该模拟引擎模拟了宾夕法尼亚州阿伦敦约 125,000 名居民在各种数据源中的活动和记录。对十六个语言模型的评估表明，虽然大多数模型在记录调查方面存在困难，并且经常捏造证据，但少数先进模型能够执行大多数任务，并在证据不足时恰当放弃，尽管它们仍然容易受到欺骗，并且无法取代人类调查员。