arXiv · cs.AI· Yizhi Song, Hang Ni, Weijia Zhang, Hao Liu·· 1 天前
DUDA-Bench：评测多模态数据驱动城市诊断中的大语言模型智能体
DUDA-Bench: Benchmarking LLM Agents on Multimodal Data-Driven Urban Diagnosis
arXiv:2610.09374v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yizhi Song, Hang Ni, Weijia Zhang, Hao Liu
首次提交：2026-10-07 11:29
研究任务与主要进展
作者提出DUDA-Bench，将多模态数据驱动的城市诊断形式化为多阶段智能体工作流，包含12个城市、五类城市问题、86个原子任务和22个工作流任务。基于对7个骨干模型和5个智能体系统的评测，作者发现单项分析能力与端到端诊断之间存在明显差距，未解决的证据缺口会跨阶段传播，反馈下的假设和行动调整则有助于恢复任务。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org