计算机科学 > 计算与语言
[提交于 2024年12月31日
(v1)
,最后修订 2025年6月6日 (此版本, v2)]
标题: MapEval:基于地图的大型基础模型地理空间推理评估
标题: MapEval: A Map-Based Evaluation of Geo-Spatial Reasoning in Foundation Models
摘要: 基础模型领域的最新进展提升了自主工具使用和推理能力,但它们在基于地图的推理方面的潜力仍未被充分探索。 为了解决这一问题,我们引入了 MapEval,这是一个旨在通过涵盖180个城市和54个国家的700道多项选择题来评估基础模型在三种不同任务——文本推理、基于API的推理和视觉推理——上的表现的基准测试框架,涉及空间关系、导航、旅行规划以及与现实世界地图的交互。 与专注于简单位置查询的先前基准测试不同,MapEval 要求模型处理长上下文推理、API交互和视觉地图分析,使其成为地理空间人工智能最全面的评估框架。 在对包括Claude-3.5-Sonnet、GPT-4o和Gemini-1.5-Pro在内的30个基础模型进行评估时,没有一个模型的准确率超过67%,开源模型的表现明显更差,所有模型的表现均落后于人类水平20%以上。 这些结果揭示了空间推理中的关键差距,因为模型在距离、方向、路线规划和特定地点推理方面存在困难,突显了开发更好的地理空间人工智能以弥合基础模型与现实世界导航之间差距的需求。 所有资源均可在以下网址获取:https://mapeval.github.io/.
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.