StreamDecisionBench：流式决策在force下的评估基准

StreamDecisionBench（SDB）评估语言模型在流式证据下的决策在力准确性，将每个错误时刻归因于判断、延迟或两者。测试覆盖四个应用家族、六个设置下的四个托管模型，在 1-5 秒更新间隔内，归一化曲线下面积得分与无时序准确率和 Oracle 时序得分乘积差距在 2.9 分以内。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。