Neuste Artikel für Benchmark

Eine neue Methode testet, wie KI irreführende Diagramme interpretiert.

Ein neues Benchmark-Projekt hat zum Ziel, die Fähigkeiten zur Lösung von Java-Problemen zu bewerten.

Ein neuer Ansatz vereinfacht Sicherheit und Nützlichkeit beim Training von Sprachmodellen.

Die Verbesserung, wie Maschinen Benutzer durch bessere Interaktion und Reaktionsmassnahmen unterstützen.

Diese Studie untersucht die Effektivität von LLMs in der Musikwissenschaft und deren Zuverlässigkeit.

Ein umfassendes Tool zur Bewertung von Hochleistungsrechnersystemen.

Ein System zum Aufzeichnen und Wiedergeben von Aktionen in WebAssembly-Apps.

Erforschung von Machine-Learning-Techniken für eine effiziente VLSI-Designpartitionierung.

VisScience testet grosse Modelle für wissenschaftliches Denken mit Text und Bildern.

OpenACE bietet einen fairen Massstab, um Audio-Codecs unter verschiedenen Bedingungen zu bewerten.

Bemühungen, die Sprachtechnologie für die unterversorgte Faetar-Sprache zu verbessern.

Dieses Papier bewertet die Fähigkeit von VLMs, über Grössen und Entfernungen nachzudenken.

Untersuchen, wie KI-Agenten wissenschaftliche Ergebnisse durch einen neuen Benchmark reproduzieren.

TDC-2 verbessert die Forschung in der Arzneimittelentwicklung durch besseren Datenzugang und multimodale Modelle.

LightSABRE verbessert die Leistung von Quanten-Schaltungen mit Geschwindigkeits- und Qualitätsverbesserungen.

Forschende in der Hochenergiephysik optimieren Software für verschiedene Rechenressourcen.

Dieser Ansatz macht es einfacher, effektive Pretraining-Datensätze für Sprachmodelle auszuwählen.

Ein neuer Ansatz zur Bewertung von KI-Benchmarks für kulturelles Verständnis.

Neue Methode erstellt komplette Simulationen im Code aus Eingaben in natürlicher Sprache.

Dieser Artikel bewertet, wie gut LLMs Testfälle für Java-Programme generieren.

Forschung zeigt Schwächen bei der Erkennung von Online-Toxizität mit ASCII-Kunsttechniken.

Die Leistungsunterschiede von allgemeinen Modellen bei Finanzaufgaben erkunden.

Entdecke die neuesten Verbesserungen in der Technologie zur Verarbeitung der arabischen Sprache und ihren Einfluss.

Lern, wie Technik hilft, kleine Details in Bildern effektiv zu bearbeiten.

Ein neuer Benchmark testet KI-Agenten in realistischen CRM-Aufgaben.

Datenkontamination beeinflusst die Leistung von Sprachmodellen und Bewertungsmethoden.

Dieser Artikel spricht über die Notwendigkeit von Transparenz in den Benchmarks von Sprachmodellen.

Maschinen lernen, Geräusche und Bilder in 3D-Räumen zu verbinden.

Komplexe Benchmark-Daten in klare visuelle Einblicke verwandeln.

Milabench bietet massgeschneiderte Benchmarks, um die Leistungsbewertung von KI zu verbessern.

Forscher entwickeln Werkzeuge, um das Verständnis von KI für die ukrainische Sprache zu verbessern.

Sind NLI-Aufgaben immer noch relevant, um grosse Sprachmodelle zu testen?

Forscher entwickeln einen neuen Massstab, um niedrigfrequente somatische Mutationen in der Genetik zu untersuchen.

Ein Blick auf Methoden der kausalen Inferenz und die Rolle von strukturellen kausalen Modellen.

Ein Blick auf die Herausforderungen, Server mit Anfragen in Zeiten der Unsicherheit abzugleichen.

VidHal bewertet die Fähigkeit von Videomodellen, Inhalte genau zu interpretieren.

Ein Blick auf das Verhalten von Marshak-Wellen unter komplexen Bedingungen.

Dieser Artikel untersucht Verbesserungen im Offline-RL, indem Aktionen aufgeschlüsselt werden.

Eine neue Methode verbessert das Zählen in Bildern mit LVLMs.

Lern, wie Investoren bessere Auszahlungsmöglichkeiten wählen können.