arXiv · NLP· Sachin Kumar·· 2026-10-14AI 评分38
完整不等于落地:评估 LLM 态势报告与人类报告的接地能力
Looking Complete Is Not Being Grounded: Evaluating LLM Sitreps Against Human-Authored Situation Reports
AI 导读
基于 15 槽位信息架构,研究评估 121 份人类与 261 份 LLM 生成的灾害态势报告。Gemini-3.7-flash 在 Cyclone Idai 任务中得分 0.827,略高于人类上限 0.821,但统计上无显著差异。
来源:arXiv · NLP · arxiv.org