★ 2
GeoFitBench-LLM：评估大模型地理空间数据需求推理能力的新基准
研究者发布 GeoFitBench-LLM 基准，用于评估大语言模型能否从自然语言地理分析请求中推断所需数据集、支撑资源与约束条件。基准围绕时空关系与语义接地两个推理维度构建，采用固定且与数据提供方无关的 schema 编码标准答案。在七个模型的最小提示实验中，GPT-5.4 Thinking 表…
arXiv NLP21 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究者发布 GeoFitBench-LLM 基准，用于评估大语言模型能否从自然语言地理分析请求中推断所需数据集、支撑资源与约束条件。基准围绕时空关系与语义接地两个推理维度构建，采用固定且与数据提供方无关的 schema 编码标准答案。在七个模型的最小提示实验中，GPT-5.4 Thinking 表…