标签
本文介绍了GeoNatureAgent Benchmark，这是首个通过结构化工具调用评估LLM代理在环境地理空间分析任务上表现的基准。它对18个类别的93项任务中的七个模型进行了评估，发现Claude Sonnet 4以60.8%的准确率领先，而DeepSeek V3.2等开源权重模型则提供了强大的性价比。