会员服务
测试集，在AI领域多指机器学习模型训练完成后，用于其测试的数据，以观测其性能以及泛化能力。
EZBlender: Efficient 3D Editing with Plan-and-ReAct Agent
Arxiv
0+阅读 · 1月12日
Architecture independent generalization bounds for overparametrized deep ReLU networks
Arxiv
0+阅读 · 1月7日
Automated Theorem Proving for Prolog Verification
Arxiv
0+阅读 · 1月7日
Failure-Resilient and Carbon-Efficient Deployment of Microservices over the Cloud-Edge Continuum
Arxiv
0+阅读 · 1月7日
Implementing the First-Order Logic of Here and There
Arxiv
0+阅读 · 1月7日
Robust Differential Evolution via Nonlinear Population Size Reduction and Adaptive Restart: The ARRDE Algorithm
Arxiv
0+阅读 · 1月7日
WebGym: Scaling Training Environments for Visual Web Agents with Realistic Tasks
Arxiv
0+阅读 · 1月7日
A Match Made in Heaven? AI-driven Matching of Vulnerabilities and Security Unit Tests
A Match Made in Heaven? AI-driven Matching of Vulnerabilities and Security Unit Tests
Arxiv
0+阅读 · 1月8日
ParaCodex: A Profiling-Guided Autonomous Coding Agent for Reliable Parallel Code Generation and Translation
Arxiv
0+阅读 · 1月7日
xVerify: Efficient Answer Verifier for Reasoning Model Evaluations
Arxiv
0+阅读 · 2025年12月30日
Rethinking the Capability of Fine-Tuned Language Models for Automated Vulnerability Repair
Arxiv
0+阅读 · 2025年12月27日
Kunnafonidilaw ka Cadeau: an ASR dataset of present-day Bambara
Arxiv
0+阅读 · 2025年12月22日
Do LLM-judges Align with Human Relevance in Cranfield-style Recommender Evaluation?
Arxiv
0+阅读 · 2025年11月28日
SAGE: Semantic-Aware Gray-Box Game Regression Testing with Large Language Models
Arxiv
0+阅读 · 2025年11月29日
The FACTS Leaderboard: A Comprehensive Benchmark for Large Language Model Factuality
Arxiv
0+阅读 · 2025年12月11日
参考链接
微信扫码咨询专知VIP会员
Top