每日 AI 评测速递来啦（12.2）

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 200+累计阅读 221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 2026-07-24 09:45:51 发布 221 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！

MPR-GUI-Bench

一个面向多语言、细粒度感知与推理的 GUI 基准，用于评估 GUI 智能体的感知与推理能力。

https://hub.opencompass.org.cn/daily-benchmark-detail/2512%2000756

Dr.Mi-Bench

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。

https://hub.opencompass.org.cn/daily-benchmark-detail/2512%2000986

GroundedAR-Bench

一个用于评估增强现实系统在真实环境中，基于语言条件的空间落地、三维定位精度以及多种室内场景下关系推理能力的基准及任务套件。

https://hub.opencompass.org.cn/daily-benchmark-detail/2512%2000294

RealAppliance-Bench

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。

https://hub.opencompass.org.cn/daily-benchmark-detail/2512%2000287

ML-Tool-Bench

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。

https://hub.opencompass.org.cn/daily-benchmark-detail/2512%2000672

收录于
Daily Benchmark

当前文章被收录于：

Daily Benchmark
39 篇文章 0 人学习
订阅专栏 查看详情
标签
#人工智能 #大模型评测 #司南评测 #大模型测评 #多模态模型
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。
nginx配置视频流加密防盗链（一）安装nginx插件 前段时间研究了一下视频流的简单加密防盗链，参考了很多文章，最后总算搞出来了。现在自己总结了一下。 阅读详情

相关推荐

【VSCode Python无法格式化代码】

提示：需要Install Formatter…安装插件autopep8，点击install。出现Format Document。

AIFRZ的博客 1万+

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

Box2D-Lite源码阅读笔记(2)

0.初始化函数 static void InitDemo(int index) { world.Clear(); numBodies = 0; numJoints = 0; bomb = NULL; demoIndex = index; demos[index](bodies, joints); } 在这个初始化函数中，一般会默认执行index=0的函数，这个函数就是一个示例，因为示例比较简单，所以也便于研究，示例效果如下。 就是一个方块。 进入第一个示例函数。(忽略我加的注释)

ARTELE的博客 975

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

Java开发者的福音：Aspose 25.10全系列（Cells/Words/PDF/Slides）最新版破解与集成保姆级教程

本文为Java开发者提供了Aspose 25.10全系列组件（Cells/Words/PDF/Slides）的最新版破解与集成保姆级教程。通过详细的Maven依赖配置、字节码修改技术绕过限制，以及Spring Boot项目中的实战集成指南，帮助开发者高效实现Office文档处理功能，提升开发效率。

weixin_30919429的博客 344

深度可分离卷积（DepthwiseSeparableConvolution）：Depthwise卷积与Pointwise卷积

深度可分离卷积不用多说，在轻量级网络架构方面是一个绕不开的话题，只要接触深度学习多多少少会接触。深度可分离卷积即DepthwiseSeparableConvolution，该卷积将一个常规卷积过程划分成两个完成Depthwise卷积和Pointwise卷积，在保证输出一样时，计算量大大降低。首先来看，一个常规卷积是怎么实现的。其示意图如果我们从通道数变换的角度来看，卷积就是将3通道的tensor变为了4通道的tensor，我们来看看深度可分离卷积是怎么实现通道的变化的。...

xu.hyj 1万+

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

高通8155车机系统里，安卓和QNX是怎么‘打电话’的？聊聊HAB通信框架那些事

本文深入解析了高通8155车机系统中HAB通信框架如何实现安卓与QNX的高效协同。作为异构系统的通信桥梁，HAB通过共享内存和中断信号机制，在多媒体数据传输中展现出零拷贝、硬件加速等优势，成为智能座舱实现实时性与生态丰富性平衡的关键技术。

weixin_42715608的博客 381

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

高精度SAR ADC设计实战：从建模到版图的16位1MSPS实现

本文详细介绍了16位1MSPS高精度SAR ADC的设计过程，从建模到版图实现的完整流程。重点探讨了分段电容阵列设计、校准算法实现及版图匹配等关键技术，展示了如何在180nm工艺下实现92.5dB SNDR和109.6dB SFDR的高性能指标。文章特别强调了整数桥接电容设计对提升匹配精度的关键作用，为高精度模数转换器设计提供了实用参考。

weixin_33724046的博客 436

《AI应用架构师必学：企业AI能力地图构建的高级技巧》

企业AI能力地图，简单来说，是一种可视化工具，它展示了企业在AI领域所具备的各种能力及其相互关系。就如同城市地图展示城市的街道、建筑和设施一样，AI能力地图呈现了企业在数据处理、模型开发、算法应用等多个方面的能力布局。

AGI×大数据，开启智能时代的认知跃迁；解码AGI，赋能数据驱动的智能革命。 818

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

C# WinForms 多语种切换实现：打造国际化应用程序

合理实现多语种切换功能可以显著提升应用程序的国际化水平。模块化设计：将本地化逻辑模块化，便于管理和维护。异常处理：始终捕获和处理可能的异常，确保程序的健壮性。资源管理：合理管理资源文件，避免重复和遗漏。测试：在不同语言环境下进行全面测试，确保所有字符串都能正确显示。文档和注释：为关键代码添加详细的文档和注释，便于后续维护。

墨夶的博客 1690

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

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

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

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

NTscan扫描工具

ntscan是一个扫描器，可以扫描没有密码和弱密码的共享，先到配置文件中填写猜测的用户名和密码，扫描过程中右侧出现的是扫描日志。

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

SIMATIC S7-1200, S7-1500 PID 控制[手册]

SIMATIC S7-1200, S7-1500 PID 控制[手册]

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（12.24）

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（12.1）

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。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。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。司南·Daily Benchmark 专区今日上新！

OpenCompass的博客 534

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（12.15）

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（12.19）

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（12.26）

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（12.11）

首个基于仿真的语言指令社会感知导航评测基准，构建于 Rosnav-Arena 3.0 之上，是第一个将指令遵循与场景理解纳入多样化环境的标准化社会感知导航评测。首个高质量的红外图像多模态理解评测基准，由 23 个红外数据集中的 499 张图像及 680 条精心筛选的视觉问答对组成，覆盖图像理解的 10 个核心维度。一个综合评测基准，包含基于推理的视频编辑和上下文视频生成两个互补子集，用于系统化评估模型在物理合理性和因果动态下的推理驱动视频编辑能力。司南·Daily Benchmark 专区今日上新！

OpenCompass的博客 161

每日 AI 评测速递来啦（12.22）

一个面向遥感视觉理解与推理的超高分辨率评测基准，包含 5,329 张完整场景影像，图像长边不少于 4,000 像素，单张图像像素量最高约 3×10⁸，数据来源于广泛使用的遥感数据集以及无人机影像集合。一个从真实 GitHub Pull Request 自动构建的、覆盖 11 种语言的可扩展仓库级代码生成评测基准，用于系统评估和提升大模型在真实软件工程任务中的能力。司南·Daily Benchmark 专区今日上新！

OpenCompass的博客 254
上一篇： 每日 AI 评测速递来啦（12.1）
下一篇： 每日 AI 评测速递来啦（12.3）
点赞 4
评论 0
书签 书签 4
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