热点事件持续更新
研究团队发布城市诊断Agent评测基准DUDA-Bench
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月8日，研究团队在arXiv发布分层交互式评测基准DUDA-Bench，旨在评估大语言模型Agent在多模态数据驱动城市诊断中的端到端执行能力。该基准基于12座城市的5类城市问题多模态数据构建，包含涵盖4个分析阶段的86个原子任务和22个工作流任务。研究团队对7个骨干模型和5个Agent系统进行了测试，评测结果显示，模型在孤立分析能力与端到端诊断表现之间存在显著差距。
AI 根据报道生成 · 4 小时前更新
最新进展10月8日 12:00
研究团队推出城市诊断Agent评测基准DUDA-Bench，评测显示模型端到端诊断表现存在显著差距。报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv 人工智能DUDA-Bench：面向多模态数据驱动城市诊断的 LLM Agent 评测基准
研究团队推出分层交互式评测基准 DUDA-Bench，用于评估大语言模型 Agent 在多模态数据驱动城市诊断中的端到端执行能力。该基准包含涵盖 4 个分析阶段的 86 个原子任务和 22 个工作流任务，基于 12 座城市的 5 类城市问题多模态数据构建。对 7 个骨干模型和 5 个 Agent 系统的评测显示，模型在孤立分析能力与端到端诊断表现之间存在显著差距。
本事件热度走势
当前热度 9·可比范围峰值 10（10月8日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。