AI++
全球产品全球模型前沿快讯评测基准开源项目行业动态技术解读
首页/ AI快讯/ 正文
基准 ·2026年7月28日 · 约 1 分钟读完 ·arxiv.org

HackDetect审计智能体基准分数虚高问题

腾讯混元与港科大联合开发,事后审计基准捷径利用与分数虚高

A

原文来源

arxiv.org

https://arxiv.org/abs/2607.22368
打开原文
查看原文 返回列表

同分类更多

查看全部
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

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

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

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

HandEdit系统评测人手到机器人手的视觉迁移

复旦等构建,含2亿样本的基准,测试图像模型将人手操作转换为机器人操作的能力

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

本页导读

  • 原文来源
  • 同分类更多

相关推荐

AppEval评估移动应用修复智能体的全流程能力
基准
OdinEval建立可审计的Odin程序修复基准
基准
C3LM以化学合理性训练提升逆合成规划能力
基准
RISE评测路侧交通的三维跟踪与视觉语言推理
基准
HandEdit系统评测人手到机器人手的视觉迁移
基准

阅读提示

本页由 AI++ 汇总展示标题与摘要,方便你快速判断是否值得深入。完整论证与媒体内容请以原文为准。

AI++

AI 行业前沿观察助手:AI 创新产品的发现、展示与交易平台。

全球产品 全球模型 前沿快讯 开源项目 行业动态 技术解读 选品 厂商 厂商入驻 产品认领 需求登记 模型对比 搜索
© 2026 AI++ —— AI行业前沿观察助手 网站地图