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
AI4Papers 是一个以每日 arXiv 论文发现为入口的 AI 科研工作流平台,帮助研究者用最短时间掌握最新 AI/ML 前沿动态。
核心功能完全免费。高级 AI 功能(对比分析、深度研究、灵感工作台)支持自带兼容 API Key(如 OpenAI、通义千问)无限使用。
免费注册 | 使用教程