工业维护

DiagnosticIQ：评估大语言模型工业维护决策能力的基准测试

2026年5月18日，HuggingFace Daily Papers分享了一项研究，介绍了DiagnosticIQ基准。该基准包含6690个专家验证的选择题，用于评估大语言模型将工业设备符号化规则转化为维护步骤的能力。研究指出，顶级模型在标准测试中表现接近，但在面对干扰项扩展或条件反转等结构性扰动时准确性下降，暴露出模式匹配的脆弱性。