Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2501.00316v2

帮助 | 高级搜索

计算机科学 > 计算与语言

arXiv:2501.00316v2 (cs)
[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

Authors:Mahir Labib Dihan, Md Tanvir Hassan, Md Tanvir Parvez, Md Hasebul Hasan, Md Almash Alam, Muhammad Aamir Cheema, Mohammed Eunus Ali, Md Rizwan Parvez
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/.
摘要: Recent advancements in foundation models have improved autonomous tool usage and reasoning, but their capabilities in map-based reasoning remain underexplored. To address this, we introduce MapEval, a benchmark designed to assess foundation models across three distinct tasks - textual, API-based, and visual reasoning - through 700 multiple-choice questions spanning 180 cities and 54 countries, covering spatial relationships, navigation, travel planning, and real-world map interactions. Unlike prior benchmarks that focus on simple location queries, MapEval requires models to handle long-context reasoning, API interactions, and visual map analysis, making it the most comprehensive evaluation framework for geospatial AI. On evaluation of 30 foundation models, including Claude-3.5-Sonnet, GPT-4o, and Gemini-1.5-Pro, none surpass 67% accuracy, with open-source models performing significantly worse and all models lagging over 20% behind human performance. These results expose critical gaps in spatial inference, as models struggle with distances, directions, route planning, and place-specific reasoning, highlighting the need for better geospatial AI to bridge the gap between foundation models and real-world navigation. All the resources are available at: https://mapeval.github.io/.
评论: ICML 2025( Spotlight )
主题: 计算与语言 (cs.CL)
引用方式: arXiv:2501.00316 [cs.CL]
  (或者 arXiv:2501.00316v2 [cs.CL] 对于此版本)
  https://doi.org/10.48550/arXiv.2501.00316
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Mahir Labib Dihan [查看电子邮件]
[v1] 星期二, 2024 年 12 月 31 日 07:20:32 UTC (6,753 KB)
[v2] 星期五, 2025 年 6 月 6 日 08:14:05 UTC (5,419 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.CL
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-01
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

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

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

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.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号