Neuste Artikel für Benchmark

Neuer Massstab soll das Verständnis von AI für Texte und Bilder verbessern.

WeiPer verbessert die Erkennung von Out-of-Distribution in Machine-Learning-Modellen durch Gewichtsanpassungen.

Diese Studie misst die Leistung von LLMs in komplexen Mathegesprächen.

LinkLogic bietet Klarheit und Zuverlässigkeit für die Linkvorhersage in Wissensgrafen.

Neue Methoden und Benchmarks sollen die Formalisierung von Mathematik mit Lean 4 vereinfachen.

Neue Tests zeigen, dass LLMs Schwächen im einfachen logischen Denken haben, trotz hoher Benchmark-Ergebnisse.

Ein neues System zur Bewertung von Sprachmodellen mit echten Datenströmen.

Ein neuer Massstab hilft, die Leistung von GNNs trotz Herausforderungen durch Labelrauschen zu verbessern.

Bench2Drive bietet eine faire Bewertungsmethode für Technologien im autonomen Fahren.

Neue Methoden verbessern die Leistung von Sprachmodellen bei komplexen Denkaufgaben.

Eine Studie stellt einen neuen Massstab für die Leistung von Eingabeaufforderungen beim Erstellen und Abrufen von Bildern vor.

Die Analyse bestehender Modelle zeigt Einblicke in die Leistungstrends von Sprachmodellen, wenn die Grösse zunimmt.

Ein neuer Massstab, um LLMs für Java-Programmieraufgaben zu bewerten.

Eine neue Methode erstellt bessere Videountertitel, indem sie sich auf Geschichten und Kausalität konzentriert.

Ein neuer Benchmark testet die Fähigkeit von LLMs, Softwareanfälligkeiten zu finden.

Ein neuer Massstab bewertet die Leistung von mehrsprachigen Modellen bei semantischen Abrufaufgaben.

Entdecke, wie CMC-Bench die Bildkompressionstechniken verändert.

DafnyBench benchmarkt Software-Überprüfungstools und ebnet den Weg für zuverlässiges Programmieren.

Ein neuer Massstab soll MLLMs in der Videoverstehensfähigkeit zu verschiedenen Themen bewerten.

Ein neuer Benchmark testet das zusammensetzende Denken in fortgeschrittenen Modellen.

Ein Rahmen, um die Sicherheit von LLM-Agenten in verschiedenen Anwendungen zu verbessern.

Ein neuer Massstab bewertet, wie gut Modelle Zeit und Ereignisse verstehen.

Dieser Artikel beschäftigt sich mit Methoden zur Bewertung der Varianz in den Evaluierungsbenchmarks von Sprachmodellen.

SEACrowd hat das Ziel, die KI-Darstellung für südostasiatische Sprachen und Kulturen zu verbessern.

Ein neuer Benchmark hilft Forschern dabei, Methoden zur Erkennung von Bildintegrität zu verbessern.

Eine Studie zur Verbesserung der Problemlösungsfähigkeiten von LLMs mit einem neuen Rahmen.

Eine neue Methode verbessert das Testen von Sprachmodellen mit echten Nutzerdaten.

Neue Methoden zeigen Herausforderungen beim Vergessen von Wissen aus Sprachmodellen.

Langzeit-Kontext-Sprachmodelle machen komplexe Aufgaben einfacher und verbessern die Interaktion mit KI.

Ein neuer Massstab bewertet die Denkfähigkeiten von Sprachmodellen.

Die Entwicklungen in der GPU-Datenbanktechnologie und deren Leistung unter die Lupe nehmen.

Ein neuer Massstab für maschinelles Vergessen verbessert die Bewertung und den Vergleich von Methoden.

Eine neue Methode verbessert die Genauigkeit der Codegenerierung mit externen Dokumenten.

CEBench hilft Unternehmen und Forschern, LLMs zu bewerten und dabei Kosten und Leistung im Blick zu behalten.

Forschung hebt die In-Context-Lernfähigkeiten in grossen Sprachmodellen hervor.

Ein neues Framework bewertet die SLAM-Leistung unter schwierigen Bedingungen.

Neuer Benchmark bewertet, wie Videosprachmodelle Ungenauigkeiten effektiv behandeln.

Bewertung, wie LLMs überzeugende Texte zu verschiedenen Themen erstellen.

Diese Studie bewertet die Leistung von Sprachmodellen anhand der italienischen INVALSI-Tests.

Ein Benchmark-Tool fördert aktive Lernstrategien im maschinellen Lernen.