DUDA-Bench评测城市诊断智能体

Yizhi Song等提出并发布DUDA-Bench，用于评测大语言模型智能体完成多模态数据驱动城市诊断的能力。该基准覆盖12个城市、五类城市问题，包含四个分析阶段的86个原子任务和22个工作流任务。 基于论文摘要，对7个骨干模型和5个智能体系统的评测显示，单项分析能力与端到端诊断表现存在明显差距，且系统带来的提升因骨干模型而异。轨迹分析进一步发现，未解决的证据缺口会跨阶段传播；智能体根据反馈修正假设和行动，有助于恢复任务，但自适应规划、证据整合与验证仍是主要短板。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。