跳到正文
arXiv · AI· Yizhi Song, Hang Ni, Weijia Zhang, Hao Liu·· 2026-10-08AI 评分25

DUDA-Bench:评估 LLM 智能体在多模态数据驱动城市诊断中的基准测试

DUDA-Bench: Benchmarking LLM Agents on Multimodal Data-Driven Urban Diagnosis

AI 导读

研究引入 DUDA-Bench 基准,形式化城市诊断为多阶段智能体工作流,涵盖 86 个原子任务和 22 个工作流任务。 该基准基于 12 个城市的五类城市问题多模态数据,评估 7 个骨干模型与 5 个智能体系统,揭示孤立分析能力与端到端诊断间的显著差距。 DUDA-Bench 提供将专家分析工作流转化为层级化智能体任务的框架,支持对端到端分析能力的系统性评估。

来源:arXiv · AI · arxiv.org