2026.09.02 · 周三模型发布
←返回首页话题 · Topic
#基准
共 11 条相关资讯
2026.08.28 · 周五工具
Integrity Bench：大模型自信度校准的专用基准
2026.08.25 · 周二研究论文
LitReview Arena：3000份专家评判揭示自动文献综述仍远逊于人类
2026.08.13 · 周四研究论文
AutoWorldModel-Bench：用世界建模任务评测 AI 智能体科研能力
2026.08.11 · 周二研究论文
SWE-Bench ProMax 基准亮相：聚焦多语言代码重构的智能体评测
2026.08.11 · 周二研究论文
TREAT 基准：大模型在等价数学变换下识别定理能力不足
2026.08.11 · 周二研究论文
新版 Claude 模型改进黎曼猜想相关问题下界
2026.08.07 · 周五研究论文
论文分享：基于技能熵的LLM长程推理基准与训练方法
2026.07.30 · 周四研究论文
CLINLENS：面向长程临床编码智能体的多模态基准
2026.07.29 · 周三研究论文
Anthropic 联合三所高校发布 CryptanalysisBench 基准
2026.07.24 · 周五研究论文