会员服务
Assessing Problem-Solving in HR Contexts: A Comparison Between Game-Based and Self-Report Measures
Arxiv
0+阅读 · 2月17日
Towards interpretable models for language proficiency assessment: Predicting the CEFR level of Estonian learner texts
Arxiv
0+阅读 · 2月13日
How Well Do Models Follow Visual Instructions? VIBE: A Systematic Benchmark for Visual Instruction-Driven Image Editing
Arxiv
0+阅读 · 2月2日
Will It Zero-Shot?: Will It Zero-Shot?: Predicting Zero-Shot Classification Performance For Arbitrary Queries
Arxiv
0+阅读 · 1月24日
Beyond Expected Goals: A Probabilistic Framework for Shot Occurrences in Soccer
Arxiv
0+阅读 · 1月26日
Expanding External Access To Frontier AI Models For Dangerous Capability Evaluations
Arxiv
0+阅读 · 1月17日
SciHorizon-GENE: Benchmarking LLM for Life Sciences Inference from Gene Knowledge to Functional Understanding
Arxiv
0+阅读 · 1月21日
Choices Speak Louder than Questions
Arxiv
0+阅读 · 1月12日
Evaluation of Multilingual LLMs Personalized Text Generation Capabilities Targeting Groups and Social-Media Platforms
Arxiv
0+阅读 · 1月7日
LTLBench: Towards Benchmarks for Evaluating Temporal Reasoning in Large Language Models
Arxiv
0+阅读 · 1月5日
MM-UAVBench: How Well Do Multimodal Large Language Models See, Think, and Plan in Low-Altitude UAV Scenarios?
Arxiv
0+阅读 · 2025年12月29日
Embodied4C: Measuring What Matters for Embodied Vision-Language Navigation
Arxiv
0+阅读 · 2025年12月19日
Classifying German Language Proficiency Levels Using Large Language Models
Arxiv
0+阅读 · 2025年12月6日
Assessing Extrapolation of Peaks Over Thresholds with Martingale Testing
Arxiv
0+阅读 · 2025年12月2日
Between Help and Harm: An Evaluation of Mental Health Crisis Handling by LLMs
Arxiv
0+阅读 · 2025年12月2日
参考链接
微信扫码咨询专知VIP会员
Top