每日 AI 评测速递来啦（1.12）

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 100+累计阅读 82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 2026-01-12 19:32:03 82 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！

AECV-Bench

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。

https://hub.opencompass.org.cn/daily-benchmark-detail/2601%2004819

APEX-Bench

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。

https://hub.opencompass.org.cn/daily-benchmark-detail/2601%2004794

PILOT-Bench

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。

https://hub.opencompass.org.cn/daily-benchmark-detail/2601%2004758

Knowme-Bench

一个新型长期记忆评估基准，突破传统对话或合成数据范式，采用真实长篇自传体叙事构建评估体系。

https://hub.opencompass.org.cn/daily-benchmark-detail/2601%2004745

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 #多模态模型 #司南评测 #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。
西门子【Automation Framework V1.2】AF架构：从软件栈到高效自动化项目的构建蓝图 本文深入解析西门子Automation Framework V1.2 (AF架构) 的核心价值与实施蓝图。该框架通过定义标准化的软件栈（如TIA Portal V19、STEP7、WinCC Unified）和严格的安装配置流程，将自动化项目开发从依赖个人经验的“手工作坊”模式，转变为高效、可复制的工业化模式。遵循此架构，工程师能快速构建稳定可靠的项目基础，规避环境冲突，从而专注于核心工艺与逻辑设计，大幅提升团队协作与项目交付效率。 阅读详情

相关推荐

Xilinx的DDR4 IP

Xilinx的DDR4 IP

weixin_39896700的博客 4456

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

Android车载多屏开发实战：从零搭建同显/异显Demo（附源码）

本文详细介绍了Android车载多屏开发的实战经验，从零搭建同显/异显Demo，涵盖多屏模拟、核心API调用、同显/异显架构实现及性能优化等关键环节。通过C++构建完整开发链路，帮助开发者快速掌握多屏同显和多屏异显技术，提升智能座舱系统的交互体验。附源码供参考。

weixin_29233857的博客 403

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

从硬件到软件：深度解析D435i USB SCP overflow错误的根源与解决方案

本文深入解析Intel RealSense D435i相机在ROS环境下常见的'USB SCP overflow'错误，特别是与`control_transfer`相关的错误提示。从硬件配置到软件优化，详细介绍了如何通过调整USB接口、优化`rs_camera.launch`参数、更新固件驱动等方法解决数据传输溢出问题，提升设备稳定性和性能。

yy01234的博客 768

在 Eclipse 中接入 DeepSeek：开启 Java 开发新效率

DeepSeek 能够根据自然语言描述，精准生成高质量的 Java 代码片段。无论是简单的方法编写，比如 “编写一个 Java 方法，用于计算两个整数的乘积”，还是复杂的类和功能模块创建，例如 “创建一个 Java 类，实现文件的读写操作，并包含异常处理机制”，它都能快速给出合理且可运行的代码示例。DeepSeek 生成的代码不仅实现了基本功能，还遵循 Java 的编码规范，添加了必要的注释，让代码更易于理解和维护，大大节省了开发者从头编写代码的时间和精力。

远程部署调试 运行安装 项目调试 二次开发 项目技术新 持续迭代 部分源码免费分享 4063

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

STM32串口编程基础知识讲解

本篇文章给大家介绍一下串口的基础编程知识，这些知识是属于串口的理论知识，在开始学习编写代码的时候必须要掌握这些基本的知识点。本篇文章讲解了串口的基本概念知识，大家在学习编写代码时将其掌握才能更好的理解代码。

m0_49476241的博客 1207

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

Windows原生环境配置Tensorflow使用GPU

本文讲解如何在Windows原生环境搭建可调用GPU设备进行计算的Tensorflow2.x环境。 区别于WSL，使用Windows原始环境作为开发环境。

天然玩家的博客 1496

瑞芯微RV1126部署YOLOv8全流程：环境搭建、pt-onnx-rknn模型转换、C++推理代码、错误解决、优化、交叉编译第三方库

瑞芯微RV1126部署YOLOv8全流程：环境搭建、pt-onnx-rknn模型转换、C++推理代码、错误解决、优化、交叉编译第三方库

C/C++、嵌入式开发、深度学习算法、模型部署与推理优化 3103

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

具身智能机器人算法控制研究进展综述

具身智能（Embodied Intelligence）作为人工智能与机器人学的交叉前沿领域，强调智能体通过物理身体与环境的持续交互涌现智能行为。近年来，随着基础模型（Foundation Models）、扩散策略（Diffusion Policy）、视觉-语言-动作（Vision-Language-Action, VLA）模型以及大规模机器人数据集（如Open X-Embodiment）的快速发展，具身智能机器人的算法控制范式正经历深刻变革。

VectorShift的博客 225

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

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0， 兼容Win7/Win10/WinXP，解压就可用。

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

OV9734 DATASHEET，完整规格书

OV9734完整规格书，包括电气参数，尺寸规格，寄存器配置表等

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

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册，内含HL7和ASTM)

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（12.23）

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（12.15）

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（12.19）

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（12.4）

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（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

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
上一篇： 每日 AI 评测速递来啦（1.8）
下一篇： 每日 AI 评测速递来啦（1.13）
点赞 0
评论 0
书签 书签 0
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