CivicBench：面向基于网络城市数据分析的基准与记忆框架

研究团队推出包含 400 项任务的基准测试 CivicBench 及 Task-State Memory (TSM) 框架，覆盖 4 个城市 2 年数据。 TSM 将工具观察编译为类型化断言，在兼容范围内调和记录并检索受限状态。在 9 个已完成模型对中，8 个的平均分差显著为正。 该基准与记忆框架使决策时刻记录可检查，提升城市数据计算验证能力。