实体 LED-BENCH

LED-BENCH

PulseAugur coverage of LED-BENCH — every cluster mentioning LED-BENCH 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

TOOL · CL_301314 · Oct 15 · 04:00

新的LED-BENCH基准测试揭示了大型语言模型在工程图理解方面的局限性

引入了一个新的基准测试LED-BENCH，用于评估多模态大型语言模型在理解和推理大幅面工程图方面的能力。该基准测试涵盖了机械、建筑和交通领域，结果显示，即使是像GPT-5.6 "Sol"这样先进的模型，在复杂推理和整合图纸不同部分证据方面也面临困难。GPT-5.6 "Sol"的平均准确率为52.65%，凸显了当前模型在细粒度理解和证据整合方面存在的重大挑战。