用大模型生成欧洲城市随机街道地址，测试其地理常识能力。

Stochastic Streets: A Walk Through Random LLM Address Generation in four European Cities

• 用LLM自动生成四座欧洲城市的随机街道地址。
• 生成地址的地理合理性在人工评估中仅达63.5%准确率。
• 适合研究大模型在真实世界知识推理上的局限性。

大型语言模型（LLMs）能够解决复杂的数学问题或回答几乎所有主题的难题，但它们能否为欧洲城市生成随机的街道地址？本文通过构建一个基准数据集，评估LLM在生成四个欧洲城市（柏林、巴黎、罗马、伦敦）真实有效街道地址方面的能力。研究发现，尽管模型能模仿格式并生成看似合理的地址，但其地理上下文准确性有限：在人工评估中，仅有63.5%的生成地址符合实际城市布局。这表明当前模型在整合空间常识与语义信息方面仍存在明显不足，揭示了其在真实世界知识生成任务中的系统性缺陷。

原文摘要 · Abstract (English)

Large Language Models (LLMs) are capable of solving complex math problems or answer difficult questions on almost any topic, but can they generate random street addresses for European cities?

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。