KierstonBench 模拟全城监控查案,仅前沿模型可靠且易被欺骗
Andrew Semenov · hf · 2026-11-04
新发布的 Kierston & KierstonBench 构建了宾州 Allentown 的城市级模拟环境,用关联的监控记录评估 LLM 在刑事侦查与监控任务上的表现。
- 提供可复现的城域级仿真与配套评测基准,任务是将分散的监控记录串联起来推进案件调查。
- 核心发现:只有前沿模型能较可靠地完成这类侦查任务,且所有模型仍易受欺骗手段影响。
- 对 AI 用于执法/监控场景的能力边界与脆弱性给出了量化参照。
「研究」频道最新
- simdjson 作者撰文:开源本身就是研究方法,需求先行于论文 — lemire · 2026-11-04
- 以检索为中心的深度学习：把权重矩阵换成向量数据库 — kaixhin · 2026-11-04
- 研究：ChatGPT 对翻译行业的替代远超 GNMT，直觉型任务也难幸免 — Hakan_Ozalp · 2026-11-04
- 零训练 NCA 权重编程实现分辨率无关旋转线框立方体 — zzznah · 2026-11-04
- 时序建模大师北川源四郎获日本瑞宝中绶章 — ArnaudDoucet1 · 2026-11-04
- 免训练拆 checkpoint 造 LoRA：把 v2 的动作能力移植到 v1.3 — glusphere · 2026-11-04