每日 AI 评测速递来啦(12.25)

司南·Daily Benchmark 专区今日上新!

FEM-Bench

一个基于计算力学的评测基准,用于系统评估大语言模型生成有限元方法及相关科学代码的能力。

https://hub.opencompass.org.cn/daily-benchmark-detail/2512%2020732

ClarifyMT-Bench

一个面向多轮澄清的评测基准,通过多维模糊类型和多样化用户模拟,系统评估大语言模型在真实交互中何时提问、何时回答及处理模糊信息的能力。

https://hub.opencompass.org.cn/daily-benchmark-detail/2512%2021120

VisRes Bench

一个用于自然场景下视觉推理能力评测的基准,通过三个复杂度层级系统评估视觉-语言模型在感知补全、规则推理和组合推理上的表现。

https://hub.opencompass.org.cn/daily-benchmark-detail/2512%2021194

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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