大型语言模型在交通系统工程中的能力基准测试：准确性、一致性与推理行为
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了大型语言模型在交通工程问题中的表现不足，提出了TransportBench基准数据集来评估这些模型的准确性、一致性与推理行为。通过对多个先进模型的分析，我们发现了它们的独特优势与局限性，特别是Claude 3.5 Sonnet在准确性方面表现出色但存在不一致性。这项研究为利用人工通用智能解决复杂交通挑战迈出了激动人心的一步。
通过使用GPT-4、Claude 3 Opus和Gemini 1.0 Ultra等大型语言模型，研究了它们在控制工程中的问题解决能力。评估发现，Claude 3 Opus是解决本科级控制问题的最先进模型。这项研究是将人工通用智能应用于控制工程的初步尝试。
