成为VIP会员查看完整内容
VIP会员码认证
首页
主题
会员
服务
注册
·
登录
基准
关注
1
综合
百科
VIP
热门
动态
论文
精华
EduBench: A Comprehensive Benchmarking Dataset for Evaluating Large Language Models in Diverse Educational Scenarios
Arxiv
0+阅读 · 1月6日
FCMBench: A Comprehensive Financial Credit Multimodal Benchmark for Real-world Applications
Arxiv
0+阅读 · 1月6日
The Sonar Moment: Benchmarking Audio-Language Models in Audio Geo-Localization
Arxiv
0+阅读 · 1月6日
X-MuTeST: A Multilingual Benchmark for Explainable Hate Speech Detection and A Novel LLM-consulted Explanation Framework
Arxiv
0+阅读 · 1月6日
SastBench: A Benchmark for Testing Agentic SAST Triage
Arxiv
0+阅读 · 1月6日
Musical Score Understanding Benchmark: Evaluating Large Language Models' Comprehension of Complete Musical Scores
Arxiv
0+阅读 · 1月6日
The MASK Benchmark: Disentangling Honesty From Accuracy in AI Systems
Arxiv
0+阅读 · 1月5日
TELEVAL: A Dynamic Benchmark Designed for Spoken Language Models in Chinese Interactive Scenarios
Arxiv
0+阅读 · 1月6日
WearVox: An Egocentric Multichannel Voice Assistant Benchmark for Wearables
Arxiv
0+阅读 · 2025年12月25日
Omni2Sound: Towards Unified Video-Text-to-Audio Generation
Arxiv
0+阅读 · 1月6日
DarkEQA: Benchmarking Vision-Language Models for Embodied Question Answering in Low-Light Indoor Environments
Arxiv
0+阅读 · 1月6日
Semiparametric fiducial inference for Cox models
Arxiv
0+阅读 · 1月6日
STReasoner: Empowering LLMs for Spatio-Temporal Reasoning in Time Series via Spatial-Aware Reinforcement Learning
Arxiv
0+阅读 · 1月6日
Discovering and Causally Validating Emotion-Sensitive Neurons in Large Audio-Language Models
Arxiv
0+阅读 · 1月6日
Figure It Out: Improve the Frontier of Reasoning with Executable Visual States
Arxiv
0+阅读 · 1月6日
参考链接
提示
微信扫码
咨询专知VIP会员与技术项目合作
(加微信请备注: "专知")
微信扫码咨询专知VIP会员
Top