"benchmark"最新资讯 | 量子位

benchmark

o3-pro通关“推箱子”，人类怀旧小游戏成了大模型新Benchmark

测评负责人还是大模型竞技场顾问

克雷西 2025-06-17

benchmark

别让大模型被基准评估坑了！测试集乱入预训练，分数虚高，模型变傻

来自人民大学等最新研究

明敏 2023-11-09

benchmark 刷榜大语言模型

加载更多

热门文章

机器人训练，北京男大有了技能玩法

AI100访谈：「Get笔记」方法论｜量子位智库

LLM强化学习新框架！UCSD多智能体训练框架让LLM工具调用能力暴增5.8倍

ICCV涌现自动驾驶新范式：统一世界模型VLA，用训练闭环迈向L4

大厂AI新战场：AQ狂飙，蚂蚁押注大健康赛道