会员服务
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
Zero-Shot Grammar Competency Estimation Using Large Language Model Generated Pseudo Labels
Arxiv
0+阅读 · 2025年11月17日
A Survey of Large Language Models
Arxiv
4+阅读 · 2023年4月16日
参考链接
微信扫码咨询专知VIP会员
Top