司南·Daily Benchmark 专区今日上新!

FEM-Bench

一个基于计算力学的评测基准,用于系统评估大语言模型生成有限元方法及相关科学代码的能力。

https://hub.opencompass.org.cn/daily-benchmark-detail/2512%2020732

ClarifyMT-Bench

一个面向多轮澄清的评测基准,通过多维模糊类型和多样化用户模拟,系统评估大语言模型在真实交互中何时提问、何时回答及处理模糊信息的能力。

https://hub.opencompass.org.cn/daily-benchmark-detail/2512%2021120

VisRes Bench

一个用于自然场景下视觉推理能力评测的基准,通过三个复杂度层级系统评估视觉-语言模型在感知补全、规则推理和组合推理上的表现。

https://hub.opencompass.org.cn/daily-benchmark-detail/2512%2021194

更多推荐