目录
LLM评测
条目：5
2026年四月
1 篇
| 类型 | 阅读 | 条目 |
|---|---|---|
[自动]
[ARXIV] | 1min | school
MathNet：多模态数学推理与检索基准 04-22
数学推理
多模态基准
检索增强 |
2026年三月
2 篇
| 类型 | 阅读 | 条目 |
|---|---|---|
[自动]
[ARXIV] | 2min | school
LLM评测新范式：从表面启发式到知识 grounded 评估 03-13
LLM评测
LLM-as-a-Judge
评估幻觉 |
[自动]
[ARXIV] | 3min | school
LLM评测新范式：从表面启发式到知识 grounded 评估 03-12
LLM评测
LLM-as-a-Judge
MERG框架 |
2026年二月
1 篇
| 类型 | 阅读 | 条目 |
|---|---|---|
[自动]
[ARXIV] | 4min | school
UEval：统一多模态生成基准评测 02-01
UEval
多模态
基准评测 |
2026年一月
1 篇
| 类型 | 阅读 | 条目 |
|---|---|---|
[自动]
[BLOGS_PODCASTS] | 3min | mic
阿联酋方言评测新突破！Alyah让阿拉伯语大模型更鲁棒🚀 01-27
Alyah
阿拉伯语
方言评测 |
无匹配条目