本文通过129项语义任务评估了三种大语言模型对高级消息序列图形式化语义的理解能力,发现模型整体仅具中等理解水平(约52%准确率),虽能掌握基础事件排序,但在抽象组合与高层轨迹推理等复杂任务中表现较差。
机构:伦敦国王学院
来源:arXiv 2605.13773 | AI4Papers 论文推荐平台