LLM-driven agents

新基准测试 AI 模型在道路损坏检测方面的能力

研究人员推出了 WildRoadBench，这是一个旨在评估视觉语言模型 (VLM) 和由大型语言模型驱动的代理在航空影像中识别道路损坏的能力的新基准。该基准包含两个赛道：一个赛道供 VLM 使用视觉基础和提示来定位损坏，另一个赛道供自主代理在有限预算内执行诸如网络搜索和代码生成等任务。当前前沿模型显示出潜力，但仍未达到可靠的性能水平，而开源模型和代理则明显落后。