arXiv · cs.AI· Andrew Semenov·· 2 天前AI 评分48
Kierston 与 KierstonBench：模拟 Allentown 市并评测语言模型在犯罪侦查与监控任务中的能力
Kierston & KierstonBench: Simulation of Allentown, PA and Evaluation of Language Models in Crime Investigation and Surveillance Tasks
来源与原文
arXiv · cs.AI
作者：Andrew Semenov
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2611.04785v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者提出城市级模拟引擎 Kierston 和基准 KierstonBench，模拟宾州 Allentown 约 125,000 名居民的日常活动及其电信、金融、行政和车牌记录，评测语言模型的犯罪侦查与监控能力。基准包含 32 个任务家族，覆盖记录关联、日常轨迹重建、事件侦查和欺骗性账户识别。对 16 个模型的评测显示，多数模型无法完成记录侦查并提交记录不支持的指认，少数前沿模型可解决大部分任务并在证据不足时放弃作答，但仍会中计常见欺骗，均无法替代侦查员。
来源：arXiv · cs.AI · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。