研究者发布城市模拟Kierston与犯罪调查基准KierstonBench

1. 20:23
   arXiv · cs.AI

   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

   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。

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。