多传感器物理危险评估中的大语言模型基准测试

英文标题：Benchmarking Large Language Models on Multi-Sensor Physical Hazard Assessment

该论文提出一项实证基准测试，用于评估五种大语言模型对多传感器物理危险数据的评估能力。测试涵盖 60 个场景，分为多传感器联合评估、响应比例性和模式消歧三类任务。该研究旨在衡量大语言模型在涉及现实物理风险、多源信号与安全决策场景中的可靠性，为开发者评估和改进相关 Agent 或安全辅助系统提供参考。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB