2026.07.28 · 周二研究论文
←返回首页话题 · Topic
#评测基准
共 9 条相关资讯
2026.07.20 · 周一研究论文
DrawingVQA：首个面向建筑工程图纸的多模态大模型评测基准
2026.07.18 · 周六产品功能
Runway 称其 Agent 在独立评测中三项居首
2026.07.15 · 周三工具
WANDR：面向 agent 的大规模实体发现与事实验证基准
2026.07.09 · 周四行业动态
OpenAI 呼吁编程模型评测需更难、更公平、更可信
2026.07.09 · 周四工具
Google 更新 Android Bench：新增 8 款主流编程大模型
2026.07.08 · 周三工具
VetoBench：评估 AI 智能体是否重复已否决决策的开源基准
2026.07.08 · 周三研究论文
Reka Labs 发布两项 VLM 物理理解与世界模型评测基准
2026.06.30 · 周二工具