跳到正文
arXiv · NLP· Zixiang Xu, Zirui Song, Wanrong Zheng, Chiyu Zhang, Yue Huang, Yuyang Peng, Kexin Zhang, Jinkun Chen, Xiuying Chen, Xiangliang Zhang, Yan Liu, Laurent Itti, Frank Shyu, Xiaoqiang Luo, Sandeep Pandey, Xi Liu, Luke Simon, Xiyang Hu, Yue Zhao·· 2026-10-16AI 评分32

Grid-Bench:测试 LLM 预测离散空间世界状态变化能力的可执行基准

Grid-Bench: Can LLMs Predict How Discrete Worlds Change?

AI 导读

研究团队推出 Grid-Bench 可执行基准,用于评估 LLM 在离散网格空间中预测状态变化的准确性。该基准包含 8 类操作,支持 2D 至 4D 网格,参考执行机制可校验所有预测值。

来源:arXiv · NLP · arxiv.org