MetroLLM-Bench：评估语言模型作为地铁自助终端运行时
MetroLLM-Bench: Evaluating Language Models as Transit Kiosk Runtimes
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
MetroLLM-Bench 发布，这是一个 955 例基准，用于测试语言模型作为地铁自助终端策略层的能力，覆盖六个真实地铁系统（37 至 414 站）和十一类任务。
来源：Hugging Face Daily Papers · arxiv.org