MANGO：大型语言模型映射和导航能力评估基准

提出了 MANGO 基准测试，用于评估大型语言模型在执行基于文本的映射和导航任务时的能力，结果表明即使是迄今为止最强的语言模型 GPT-4 在回答这些问题上表现不佳，而具备强大的映射和导航能力的语言模型对于执行相关下游任务（如玩文本游戏）将会有所好处。