标签
本文介绍了 DiagnosticIQ，一个用于评估大语言模型将工业符号维护规则转化为可执行步骤能力的基准测试。研究指出，虽然前沿模型在标准任务上表现良好，但在结构扰动下会表现出脆弱性和模式匹配行为。