arXiv · cs.AI· Rodney Lafuente-Mercado, Robert Sincero, Phil Sage, Yuan Xue·· 6 小时前
MA-Bench：评估语言模型在军事任务分析中的规划判断能力
MA-Bench: Measuring Operational Planning in Language Models
arXiv:2610.19138v1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：Rodney Lafuente-Mercado, Robert Sincero, Phil Sage, Yuan Xue
研究任务与主要进展
研究作者提出MA-Bench，用于评估语言模型从大型、不完整且部分矛盾的文档中形成任务分析的能力；该基准包含10个专家构建场景、每场景10至12份文档和1,257条专家书写的通过/不通过要求。
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