**KierstonBench：首个全城市模拟基准，评估大模型在犯罪调查中的表现**

_Kierston & KierstonBench: Simulation of Allentown, PA and Evaluation of Language Models in Crime Investigation and Surveillance Tasks_

> 针对大语言模型在犯罪调查和监控任务中缺乏评估标准的问题，研究团队推出了 Kierston 城市级模拟引擎和 KierstonBench 基准。该基准基于宾夕法尼亚州艾伦镇，模拟了约 12.5 万居民的日常活动及多源监控记录。评估结果显示，尽管部分前沿模型能解决大部分任务，但多数模型无法有效进行记录调查，且存在被常见欺骗手段误导的风险，目前尚无法完全替代人类调查员。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-11-04 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2611.04785)