AI++
搜索
查看全部
基准

RISE评测路侧交通的三维跟踪与视觉语言推理

清华等研发，纯图像三维跟踪达66.9 MOTA，覆盖16个路口问答对

基准

C3LM以化学合理性训练提升逆合成规划能力

英矽智能研发，多答案生成替代单答案评价，分布外基准领先

基准

OdinEval建立可审计的Odin程序修复基准

上交等构建168个任务，分Apply/Repro/Resolved指标，Kimi-K3修复率66.7%

基准

AppEval评估移动应用修复智能体的全流程能力

上交等构建跨平台基准，Pass@1跨度达68.5个百分点

基准

J-Access预测大模型遗忘后的知识恢复风险

穆罕默德·本·扎耶德AI大学等提出，通过雅可比透镜检查内部可访问性，评估遗忘效果

基准

SGU用语义闭环评估统一多模态模型

国科大等开发，通过看-描述-重画-回答的闭环流程，检验多模态模型系统级能力