研究团队发布大语言模型作战筹划评测基准MA-Bench

1. 12:00
   arXiv 机器学习

   MA-Bench：评估语言模型作战筹划能力的评测基准

   研究者推出基于军事作战筹划首步任务分析构建的评测基准 MA-Bench，包含 10 个专家构建场景与 1,257 条及格/不及格判定标准，用于评估大语言模型处理不完整且存在矛盾文档并制定规划的能力。

当前热度 9·可比范围峰值 10（10月15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。