BriefGPT - AI 论文速递
·
CityEQA: A Hierarchical LLM Agent for Embodied Question Answering Benchmark in Urban Spaces
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
这项研究提出了CityEQA任务，旨在填补城市环境中体现问答（EQA）的研究空白。引入PMA智能体模型后，实验显示问答准确率达到60.7%，为城市空间智能的发展奠定基础。
🎯
关键要点
- 研究提出了CityEQA任务，旨在填补城市环境中体现问答（EQA）的研究空白。
- CityEQA任务通过主动探索动态城市空间来回答开放词汇问题。
- 引入了PMA智能体模型，使其能够进行长期规划和分层任务执行。
- 实验结果显示PMA在问答准确率上达到了60.7%。
- 这项研究为未来城市空间智能的发展奠定了基础。
➡️
