每日 AI 评测速递来啦（11.26）

司南·Daily Benchmark 专区今日上新！

LPD-Bench

一个专门针对长提示（long-prompt）文本生成图像任务的评测基准，旨在系统衡量模型在生成图像时的逼真度与多样性表现。

https://hub.opencompass.org.cn/daily-benchmark-detail/2511%2020251

HOTD-Bench

一个面向以人为中心的开放未来任务发现研究的基准数据集，旨在评估模型在复杂、动态的人类场景中自主发现任务的能力。该基准包含超过 2000 条真实世界视频，并配备半自动化标注流程。

https://hub.opencompass.org.cn/daily-benchmark-detail/2511%2018929

Climate-Agent-Bench-85

系统评估多智能体框架在端到端气候数据分析中的能力，包含 85 个真实世界任务，覆盖大气河流、干旱、极端降水、热浪、海表温度和热带气旋等多个关键气候领域。

https://hub.opencompass.org.cn/daily-benchmark-detail/2511%2020109

S-MLLMUn Bench

首个针对多模态大型语言模型（MLLMs）的选择性遗忘评测基准，旨在系统评估模型在移除敏感知识的同时保持通用视觉理解能力的表现。

https://hub.opencompass.org.cn/daily-benchmark-detail/2511%2020196