会员服务
机器学习系统设计系统评估标准
Beyond Accuracy: Evaluating Forecasting Models by Multi-Echelon Inventory Cost
Arxiv
0+阅读 · 3月17日
Who Benchmarks the Benchmarks? A Case Study of LLM Evaluation in Icelandic
Arxiv
0+阅读 · 3月17日
KidsNanny: A Two-Stage Multimodal Content Moderation Pipeline Integrating Visual Classification, Object Detection, OCR, and Contextual Reasoning for Child Safety
Arxiv
0+阅读 · 3月17日
Beyond Final Answers: CRYSTAL Benchmark for Transparent Multimodal Reasoning Evaluation
Arxiv
0+阅读 · 3月16日
TRACE: Temporal Rule-Anchored Chain-of-Evidence on Knowledge Graphs for Interpretable Stock Movement Prediction
Arxiv
0+阅读 · 3月12日
Beyond Final Answers: CRYSTAL Benchmark for Transparent Multimodal Reasoning Evaluation
Arxiv
0+阅读 · 3月13日
When Learning Rates Go Wrong: Early Structural Signals in PPO Actor-Critic
Arxiv
0+阅读 · 3月10日
Bridging Through Absence: How Comeback Researchers Bridge Knowledge Gaps Through Structural Re-emergence
Arxiv
0+阅读 · 2月25日
Breaking the HISCO Barrier: Automatic Occupational Standardization with OccCANINE
Arxiv
0+阅读 · 2月25日
BabyLM Turns 4: Call for Papers for the 2026 BabyLM Workshop
Arxiv
0+阅读 · 2月23日
One-Eval: An Agentic System for Automated and Traceable LLM Evaluation
Arxiv
0+阅读 · 3月10日
GPU-Native Approximate Nearest Neighbor Search with IVF-RaBitQ: Fast Index Build and Search
Arxiv
0+阅读 · 2月27日
Rethinking Evaluation in the Era of Time Series Foundation Models: (Un)known Information Leakage Challenges
Arxiv
0+阅读 · 2月25日
Towards Transferable Defense Against Malicious Image Edits
Arxiv
0+阅读 · 3月2日
Decomposing Retrieval Failures in RAG for Long-Document Financial Question Answering
Arxiv
0+阅读 · 2月20日
参考链接
微信扫码咨询专知VIP会员
Top