Ai2 近期研究汇总：覆盖 LLM 基准审计、地理空间推理与 Olmo 3 混合模型分析

Ai2 博客最近发布 5 篇研究文章，涵盖 LLM 基准逐题审计方法 BenchMIRT、地理空间推理平台 OlmoEarth，以及构建 Shippy 智能体的经验。