每日 AI 评测速递来啦（12.4）

司南·Daily Benchmark 专区今日上新！

AlignBench

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。

https://hub.opencompass.org.cn/daily-benchmark-detail/2511%2020515

ToG-Bench

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。

https://hub.opencompass.org.cn/daily-benchmark-detail/2512%2003666

Hydro-SE Bench

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。

https://hub.opencompass.org.cn/daily-benchmark-detail/2512%2003672