AI EVALUATION, IN CONTEXT.BY EQUALITY MACHINE

OpenCompass Hub

STARK_10k

STARK 是一个全面的基准测试套件，旨在系统评估大语言模型（LLMs）和大推理模型（LRMs）在时空推理任务中的表现，特别是在网络物理系统（CPS）中的应用，如机器人、自动驾驶和智能城市基础设施。该基准包含 26 种不同的时空任务，涵盖状态估计、时空关系推理和世界知识感知推理三个层次。

评测信息与证据

来源: OpenCompass Hub
发布者: Department of Electrical and Computer Engineering, UCLA
评测发布日期: 2025-05-16
采集日期: 2026-08-18
模态: multimodal

本站保留来源报告的结果，不代表独立复测。请先核对任务版本、评测协议、分数单位和报告日期；不同运行条件不能直接合并为统一排名。

原始资料

报告成绩 0

本来源记录尚未收录数值成绩。这不表示模型得分为零，也不表示该评测没有公开成绩；请查阅原始资料。