会员服务
Toward LLM-Supported Automated Assessment of Critical Thinking Subskills
Arxiv
0+阅读 · 2月18日
A Scalable Framework for Evaluating Health Language Models
Arxiv
0+阅读 · 2月18日
Automated Assessment of Kidney Ureteroscopy Exploration for Training
Arxiv
0+阅读 · 2月17日
Supporting Humans in Evaluating AI Summaries of Legal Depositions
Arxiv
0+阅读 · 1月21日
SciArena: An Open Evaluation Platform for Non-Verifiable Scientific Literature-Grounded Tasks
Arxiv
0+阅读 · 1月22日
DR-Arena: an Automated Evaluation Framework for Deep Research Agents
Arxiv
0+阅读 · 1月15日
LegalRikai: Open Benchmark -- Benchmark for Complex Japanese Corporate Legal Tasks
Arxiv
0+阅读 · 2025年12月15日
LegalRikai: Open Benchmark -- A Benchmark for Complex Japanese Corporate Legal Tasks
Arxiv
0+阅读 · 2025年12月12日
AutoMedic: An Automated Evaluation Framework for Clinical Conversational Agents with Medical Dataset Grounding
Arxiv
0+阅读 · 2025年12月11日
Building Trust in Virtual Immunohistochemistry: Automated Assessment of Image Quality
Arxiv
0+阅读 · 2025年11月6日
参考链接
微信扫码咨询专知VIP会员
Top