每日 AI 评测速递来啦（12.1）

司南评测 司南评测 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 500+累计阅读 534平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄2年
关注
原创 最新推荐文章于 2026-10-11 14:59:49 发布 534 阅读 AI 写同款· GEO 优化 ›
今日头条：2025年4月12日全球AI热点速递 （本文数据来源：斯坦福HAI、国际能源署、HiDream.ai、字节跳动等）2025年AI领域迎来多项重大突破！ 阅读详情

司南·Daily Benchmark 专区今日上新！

SO-Bench

系统评估多模态大模型在视觉场景下结构化输出能力的基准，覆盖四大视觉领域，包括 UI 界面、自然图像、文档以及图表，由超过 6,500 个多样化的 JSON 模式和 1,800 个人工精挑细选、质量经人工验证的图像-模式配对构成。

https://hub.opencompass.org.cn/daily-benchmark-detail/2511%2021750

PMC-MI-Bench

一个专为评估医疗多模态大模型多图像理解与复合推理能力而构建的高质量基准

https://hub.opencompass.org.cn/daily-benchmark-detail/2511%2022232

CrossCheck-Bench

用于评估多模态大模型跨模态冲突检测能力的诊断型基准。它包含 1.5 万个来源于真实材料、并注入可控冲突的图文问答样例，覆盖从感知匹配到逻辑推理的多层任务复杂度。

https://hub.opencompass.org.cn/daily-benchmark-detail/2511%2021717

REVEAL-Bench

首个面向 AI 生成图像检测的推理增强多模态基准，通过多轻量级专家模型构建证据链，记录逐步推理轨迹与论证，实现可验证、可解释的取证评估。

https://hub.opencompass.org.cn/daily-benchmark-detail/2511%2023158

收录于
评测数据集

当前文章被收录于：

评测数据集
13 篇文章 1 人学习
订阅专栏 查看详情
标签
#人工智能 #大模型评测 #多模态模型 #大模型
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
ESP32-C3芯片通过蓝牙控制开锁功能 定义BLE服务和特征，用于接收开锁命令。0x00FF// 服务UUID0xFF01// 特征UUID4// 句柄数量// 特征值// 特征属性// 处理GATT服务器事件// 处理事件（详细代码见下文）// 注册GATT回调if (ret) {return;// 创建GATT服务器。 阅读详情

相关推荐

【软件使用】Calibre部分提参的实战技巧与常见问题解析

本文深入解析Calibre部分提参（Partial Extraction）的实战技巧与常见问题，涵盖PEX、hcell和xcell文件的高级应用。通过实际案例展示如何提升电路仿真效率，解决时钟信号失真等复杂问题，并提供版图设计中的防坑指南，助力芯片设计工程师优化工作流程。

weixin_28717431的博客 160

AI技术动态筛选与解读：每日AI评测速递实践

在信息爆炸的时代，高效筛选和解读技术动态成为AI从业者的核心需求。通过构建多层过滤体系和自动化处理流程，可以从海量数据中提取有价值的技术资讯。关键技术包括基于BERT的信息抽取、知识图谱构建和热点识别算法，这些方法显著提升了信息处理效率。实践表明，结合自动化工具与专家复核的混合模式，既能保证时效性又能确保内容质量。这类技术动态服务特别适用于需要持续跟踪AI前沿的研究人员和工程师，如每日AI评测速递项目所示，其结构化呈现方式和深度技术解读为从业者节省了大量信息筛选时间。

csdndownload11123的博客 328

python 识别滑块验证码

博客来源于: https://www.cnblogs.com/wyh0923/p/16528354.html # -*- coding: utf-8 -*- # https://gov.pkulaw.cn/ 1. import io 2. import json 3. from pathlib import Path 4. from PIL import Image 5. import bas...

2102

每日 AI 评测速递来啦（1.12）

首个系统性的学术海报编辑评测基准，包含 514 条编辑指令，并基于操作类型、任务难度与抽象层级等多维分类体系进行标注，结合有参考与无参考两种构建策略，以确保任务的真实度与多样性。首个以美国专利商标局专利审判与上诉委员会（PTAB）真实裁决案件为核心构建的评测基准，用于系统评估大语言模型在专利法律领域进行结构化法律推理的能力。一个用于评估多模态与视觉-语言模型在真实 AEC 图纸理解能力上的评测基准，涵盖两类互补的应用场景：目标计数任务和图纸支撑的文档问答任务。

OpenCompass的博客 82

UCD9081EVM电源时序管理：硬件配置与GUI操作全解析

电源时序管理是复杂电子系统设计的核心环节，它通过精确控制多路电源的上电/下电顺序，确保核心芯片免受浪涌电流或电压倒灌的损害。其原理基于状态机逻辑与电压监控，技术价值在于将硬连线时序转化为可编程配置，极大提升了系统可靠性与设计灵活性。在服务器、通信设备、工控系统等高可靠性应用场景中，时序控制器是实现稳定启动与故障保护的关键。本文以德州仪器UCD9081评估模块为例，深入剖析其硬件跳线配置与图形用户界面操作，涵盖I2C地址设置、电压监控分压计算、时序条件与故障响应策略等工程实践要点，帮助工程师快速掌握这一电源时

weixin_42696271的博客 302

智能车图像处理去畸变+逆透视教程

图像处理，去畸变与逆透视整合

wu58430的博客 1万+

每日 AI 评测速递来啦（12.12）

一个用于评估多模态大模型 连续视觉输入空间理解能力的评测基准，基于 1,278 个来自 25 个公开数据集与自采视频的片段，共构建了 1,106 个问题，并围绕 感知、规划、预测与跨视频推理四个层级进行体系化设计。一个面向“微观空间智能”的系统化评测基准，包含逾 16.3 万个问答对、58.7 万张由约 4,000 个分子结构生成的图像，覆盖九类互补任务，评估模型从基本空间变换到复杂关系识别的多层次能力。一个专注于“动作中心图像编辑”能力的评测基准，从生成式、判别式和偏好式三类指标对模型能力进行全面衡量。

OpenCompass的博客 208

从ACTF2020看文件上传漏洞：你以为改后缀就完事了？这些坑我都帮你踩过了

本文通过ACTF2020的Upload题目深入剖析文件上传漏洞的复杂性和防御策略。文章揭示了常见误区，如仅修改文件后缀的局限性，并详细解析了绕过技巧和高级防御机制。从开发角度提供了构建安全上传功能的实用建议，帮助读者全面理解文件上传漏洞的本质与防护方法。

weixin_29278805的博客 246

每日 AI 评测速递来啦（11.20）

一个以能力为核心构建的多模态推理评测套件，从多个主流基准（如 BLINK、TIR-Bench、MathVerse、MathVista 等）重新采样并整合数据，并基于六大能力维度对实例进行标注，同时补充视觉导航等交互场景。它为模型提供统一、可比的能力评估视角，可用于系统分析多模态推理模型在不同任务中的能力调度与协同表现。一个用于系统评估视频模型推理能力的综合基准。一个面向学术场景动态钓鱼攻击的统一框架与基准套件，用于系统性评估 MLLM 的防御能力。司南·Daily Benchmark 专区今日上新！

OpenCompass的博客 214

6.4 实战项目：基于Agent内核构建Code Review智能体

本文介绍了一个基于Agent内核构建的智能Code Review系统实战项目。系统采用多Agent协作架构，包含代码质量分析、安全漏洞识别、性能优化建议等核心功能模块。文章详细展示了系统架构设计，采用协调器Agent管理多个专业Agent协同工作，并提供了基础Agent框架和协调器Agent的TypeScript实现代码。项目结合了AI Agent核心原理和多Agent协作机制，实现了自动化的代码审查流程，能够生成详细的审查报告，帮助开发者提升代码质量和安全性。

yonggeit的博客 3104

STM32实战开发（76）：STM32开发无线传感器网络（WSN）完整实现

本文介绍了如何基于STM32开发无线传感器网络，包括硬件选择、通信协议、系统设计和编程实现。通过STM32的强大性能和低功耗特性，我们能够构建高效、可靠的无线传感器网络。无论是Zigbee、LoRa、Wi-Fi还是BLE协议，STM32都能够与多种通信模块进行兼容，满足不同应用的需求。希望这篇文章能帮助您了解无线传感器网络的构建流程，并为您的项目提供有价值的参考。

2201_76125393的博客 1058

每日 AI 评测速递来啦（12.30）

一个专门为评估工具集成推理智能体设计的基准，涵盖多模态、多步推理任务，用于测试智能体在自主工具调用与复杂决策场景下的表现。一个面向多模态大模型真实且高难度多视角场景的空间推理评测基准，涵盖 6 类任务、共 100 万条问答对。一个面向金融、医疗、法律与科技等高风险应用场景的专业语音评测基准。司南·Daily Benchmark 专区今日上新！每日 AI 评测速递来啦（12.30）

OpenCompass的博客 353

构网型逆变器下垂控制与电流限幅策略研究：理论、仿真与代码实现

随着分布式发电和微电网技术的快速发展，构网型（Grid-Forming, GFM）逆变器因其能够自主建立电压和频率参考、支撑弱电网及孤岛运行而受到广泛关注。本文提出并实现了一种基于下垂控制的构网型逆变器控制策略，将逆变器等效为受控电压源，通过L型滤波器接入配电网。在公共耦合点（PCC）处实时测量三相电压和电流，计算有功和无功功率，进而采用P-w和Q-V下垂控制生成内部频率和电压幅值，合成三相参考电压。针对故障情况下过电流问题，设计了一种自适应电流限幅模块：当电流幅值超过设定上限时，动态降低电压参考系数k_s

huanghm88的专栏 153

AI每日速递实战：信息聚合与深度解读的完整指南

信息聚合通过筛选、验证和串联多源数据，解决信息过载问题，其原理在于权重分配与去重聚合，技术价值是提升信息获取效率与决策质量。在AI领域，每日速递应用场景广泛，如跟踪论文、开源项目和行业动态。AI每日速递项目正是这一技术的实践，它结合内容筛选机制和深度解读写作框架，帮助读者快速把握AI圈关键变化，实现从信息到知识的转化。

weixin_29062255的博客 223

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。，新界面，新视觉，

C# WinForm 基于DirectShow.dll编写的程序，可边预览边保存视频，音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择（默认选中第一个）2.可录制wmv和avi两种格式的视频并且都带有音频，avi可以录制的分辨率和帧数进行选择，wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照，也可边录制视频边拍照4.添加了视频和音频的压缩功能（酌情使用）这次二次开发发现C#对DirectShow的相关信息太少，这次做完也不敢藏私共享出来，还望大家指正

每日 AI 评测速递来啦（12.3）

一个统一且全面的基准，用于评估视频生成、条件视频生成及视频理解中的感知与预测能力。PAI-Bench 包含 2,808 个真实世界场景案例，并设计了与任务对齐的评测指标，以量化物理合理性及领域特定推理能力。基于两大基本范式：文本到视频（T2V）和图像到视频（I2V），涵盖 6 类规则的 40 个代表性任务，共 622 个高质量标注实例。一个以事件为中心的危机舆情数据集，涵盖 463 个危机事件及其相关新闻、社交媒体帖子和参考摘要，用于支持自动化在线舆情报告生成任务的研究与评测。

OpenCompass的博客 296

汉书HE8，好用的汇编代码编写工具

汉书HE8，好用的汇编代码编写工具早期编写汇编代码所用功能强大

每日 AI 评测速递来啦（11.21）

一个大规模、系统化评测大语言模型“撒谎”行为的基准测试平台，包含超 7 万条来自多模型、多数据集的诚实与撒谎示例，覆盖不同类型的撒谎动机和目标信念。一个面向地理空间基础模型（GeoFMs）的综合评估基准，涵盖分类、分割、回归、目标检测和实例分割等任务，使用 19 个许可宽松的数据集进行测试。首个用于评估具身智能体间接越狱能力的基准，包含 1,632 条良性指令和 3,957 条恶意指令，覆盖了广泛的任务复杂度与攻击情景。司南·Daily Benchmark 专区今日上新！

OpenCompass的博客 202

每日 AI 评测速递来啦（11.18）

一个面向法律与金融领域的开放性、高难度专业推理基准，包含 1,100 个专家撰写的任务和 19,356 条评分标准，由 182 名资深专业人士贡献。一个综合性基准，旨在探索和评估 LMMs 在跨视角地理定位和位姿估计中的能力，包含 10,859 对全景-卫星图像，覆盖 49 个国家的 128 个城市，并配备 755,976 对问答数据。用于评估面向服务的助手在长期用户交互中的个性化能力，创新性地设置了需求重述、方案推荐和多轮对话三大任务，全面评估系统对用户偏好和主观需求的建模能力。数据集来源于 70 篇。

OpenCompass的博客 498

每日 AI 评测速递来啦（12.24）

一个面向中文领域、贴近真实应用场景的深度研究评测基准，用于弥补现有评测在开放式研究智能体能力上的不足。一个以魔方为载体的评测基准，用于系统评估多模态大模型的空间推理与时序推理能力。司南·Daily Benchmark 专区今日上新！

OpenCompass的博客 164

每日 AI 评测速递来啦（12.23）

一个面向科学通用智能的评测基准，由 1,000 余个经专家精心策划的跨学科样本构成，灵感来源于《Science》杂志提出的 125 个重大科学问题。一个面向长篇、多目标图像生成任务的评测基准，包含 2,000 个任务，用于系统评估模型在复杂布局、局部对象、排版和标志精度等多目标指令下的执行能力。一个统一的图像驱动生成评测基准，提供标准化指标用于评估跨任务的生成保真度与可控性。司南·Daily Benchmark 专区今日上新！

OpenCompass的博客 247

每日 AI 评测速递来啦（12.9）

首个用于评估音频大模型“选择性听觉”能力的基准：模型既要能够聚焦于目标主说话人，同时必须拒绝处理或泄露关于无关路人的语音信息。一个聚焦驾驶场景的视频基准数据集，用于评估 AI 生成驾驶视频（AIGVs）在多大程度上能够可靠支撑自动驾驶模型的训练与评测。司南·Daily Benchmark 专区今日上新！

OpenCompass的博客 256

每日 AI 评测速递来啦（12.19）

该数据集包含 40 类细粒度手势，共 13,948 个实例，分布在 1,272 个序列中，特点是动作细微、动态快速且连续执行。一个用于评估单智能体多工具架构下工具编排隐私风险（TOP-R）的基准，包含成对泄露与良性场景，支持安全性与鲁棒性的综合评测。一个用于系统评估大语言模型表格生成质量的基准，覆盖六个领域、十二种由规划器驱动的扰动类型，并分为三个难度等级。一个面向智能体工具协作的多类型求解偏微分方程（PDE）基准，并提出多层级指标用于评估工具协调性。司南·Daily Benchmark 专区今日上新！

OpenCompass的博客 187

每日 AI 评测速递来啦（12.15）

一个多粒度视频理解评测基准，包含全局、像素和时间尺度的协同任务，用于系统评估视频大语言模型在多粒度协作理解能力上的表现。一个复杂图像编辑评测基准，用于系统评估复杂编辑场景下的模型能力。首个面向基于推操作的移动机器人导航与操作任务的统一评测基准。司南·Daily Benchmark 专区今日上新！

OpenCompass的博客 206

每日 AI 评测速递来啦（12.4）

针对水科学与工程领域设计的 LLM 评测基准，涵盖九个子领域，共 4,000 道多项选择题，可系统评估大语言模型在基础概念知识、工程应用能力以及推理与计算能力方面的表现。首个面向自我视角视频的任务导向时空视频定位基准，基于 ScanNet 视频构建，包含 100 个带标注的视频片段，共计 2,704 条任务导向定位指令。一个用于评估图像-文本细粒度对齐能力的基准，通过对多模型生成的图像-描述对进行正确性标注，衡量视觉语言模型的对齐效果。司南·Daily Benchmark 专区今日上新！

OpenCompass的博客 352

每日 AI 评测速递来啦（12.26）

一个用于评估多模态推理能力的新型评测基准，其核心特点是要求模型在推理过程中交替、精细地关注图像中的关键视觉细节。一个用于严格评测长视频生成中历史记忆保留能力的基准，重点衡量模型在长期场景一致性与上下文记忆方面的表现。司南·Daily Benchmark 专区今日上新！

OpenCompass的博客 256

每日 AI 评测速递来啦（12.2）

一个面向科学自动化深度研究的模块化综合基准，包含一个人工标注的数据集，涵盖 10 个科学领域，共 200 个实例，包括研究论文和综述论文。一个用于评测多模态大模型和具身操作规划模型在家电操作规划中的关键任务表现，包括：手册页面检索、家电部件定位、开环操作规划以及闭环操作调整。一个面向工具增强型机器学习智能体的综合评测基准，旨在系统考察智能体在端到端数据科学流程中的规划、调用工具及管理中间结果的能力。司南·Daily Benchmark 专区今日上新！

OpenCompass的博客 221

每日 AI 评测速递来啦（12.16）

一个用于评估芬兰语大语言模型的统一评测基准套件，覆盖了阅读理解、常识推理、情感分析、世界知识和对齐任务中的多项选择与生成式任务。一个用于评估大语言模型在入门量化交易任务表现的评测基准，通过要求模型根据自然语言策略描述和市场假设构建可执行回测器来进行测试。一个专业图像生成评测基准，通过细粒度评分量表评估模型的科学精确性和信息密度，并支持迭代优化。一个专门用于评估代码智能体长时序仓库生成能力的评测基准。司南·Daily Benchmark 专区今日上新！

OpenCompass的博客 239

每日 AI 评测速递来啦（1.7）

首个面向大语言模型的大规模功能影像评测基准，包含来自 9,732 项多中心、多示踪剂 PET 检查的 52,308 条分层问答样本。一个面向多领域、多模态、多维度指标的统一评测基准，用于系统评估多智能体辩论（MAD）方法的有效性、鲁棒性与效率。一个面向时间序列的时空推理基准，涵盖病因推理、实体识别、相关性推理和上下文预测等核心任务。司南·Daily Benchmark 专区今日上新！

OpenCompass的博客 365
上一篇： MedBench重磅升级：技术全面迭代，定义医疗AI实战评测新范式
下一篇： 每日 AI 评测速递来啦（12.2）
点赞 6
评论 0
书签 书签 5
司南评测
司南评测
博客等级 码龄2年 535粉丝 113原创
+ 关注 专栏目录 订阅专栏
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值