# MA-Bench mette alla prova i modelli linguistici nella pianificazione militare

> Il nuovo dataset MA‑Bench valuta quanto bene i modelli linguistici trasformano documenti disordinati in piani operativi; il modello migliore ha soddisfatto il 62% dei criteri.

Oossa · 2026-10-15 · https://oossa.com/it/ma-bench-evaluates-language-models-on-military-planning-tasks

I ricercatori hanno presentato MA‑Bench, un benchmark che misura la capacità di un modello linguistico di elaborare un piano operativo a partire da una serie di documenti contraddittori. Il test comprende dieci scenari creati da esperti, ciascuno con dieci-dodici documenti sintetici e 1,257 requisiti pass/fail redatti da pianificatori. Un modello di ragionamento usato come valutatore assegna un punteggio ai resoconti generati dai modelli, con un livello di coerenza paragonabile a quello di un gruppo di quattro pianificatori (Fleiss κ ≈ 0.42). Su venti modelli open-weight e all’avanguardia, il migliore ha ottenuto il 62% di risposte corrette secondo i criteri di valutazione.

## I fatti

- 10 scenari con 1,257 requisiti redatti da esperti
- Il modello migliore ha ottenuto il 62% di risposte corrette

## Perché conta

Il benchmark mostra che gli attuali modelli linguistici non colgono ancora molte delle valutazioni di pianificazione che richiedono inferenze complesse, limitandone l’impiego nell’analisi di missioni reali.

## Fonti e riferimenti

1. [MA-Bench: Measuring Operational Planning in Language Models](https://arxiv.org/abs/2610.19138) – arXiv cs.LG, 2026-10-15

Ultimo aggiornamento: 2026-10-15