#Bench

30 статей
CNews
CNews

Сбербанк представил первый в России бенчмарк Cowork Bench для оценки ИИ-агентов на офисных задачах

Сбербанк представил первый в России открытый русскоязычный бенчмарк — Cowork Bench, предназначенный для оценки качества...

CNews
arXiv Computer Vision
arXiv Computer Vision

P3D-Bench: Контрольные МЗЛ для Параметрического 3D поколения и структурного обоснования

arXiv:2606.11152v4 Annuate Type: заменить резюме: мультимодальные крупные языковые модели могут написать код для создания сложных программ, а также использовать программы для 3D моделирования, которые...

arXiv Computer Vision
2
Читать
arXiv Statistics
arXiv Statistics

Тип Bench: Контрольный параметр для калибровки, определения чувствительности и затрат в моделях принятия решений по системе 1

arXiv: 2610.11392v1 Аннонс Тип: перекрестное резюме: System One Models калиброванные вероятности по таким типам ответов, как категорический выбор, ординальные уровни или двоичные результаты через неге...

arXiv Statistics
4
Читать
MWS AI Vision Bench: что изменилось за год и зачем мы добавляем антифрод Хабр
Хабр

MWS AI Vision Bench: что изменилось за год и зачем мы добавляем антифрод

Год назад мы выложили в открытый доступ MWS AI Vision Bench — бенчмарк для оценки мультимодальных моделей на русскоязычных документах. За это время мультимодальные модели существенно шагнули вперед, м...

Хабр
arXiv AI
arXiv AI

TaoD2C-Bench: Контрольные ММLM для создания промышленных UI кодов за пределами визуальной Фидельности

arXiv: 2610.1030374v1 Annualce Type: cross Brieft: Ключевая задача мультимодальных моделей большого языка (MLMs) выходит за рамки визуального распознавания и пересечений. Это предполагает сочетание ви...

arXiv AI
2
Читать
arXiv NLP
arXiv NLP

K12-Kgraph: Увязка учебной программы с профилей знаний для определения критериев и подготовки магистров образования

arXiv: 2605.096354 Annuales Type: заменить резюме: крупные языковые модели все шире используются в образовании K-12, но существующие контрольные показатели главным образом отвечают на вопросы тестовых...

arXiv NLP
2
Читать
arXiv AI
arXiv AI

D2K-Bench: Могут ли агенты LLM превращать экспертные конструкции в эффективные ядра GPU?

arXiv: 2610,03226v1 Тип уведомления: перекрестное резюме: ядра ГПС, генерируемые крупными языковыми агентами (LLM), могут оставаться менее эффективными по сравнению с экспертным осуществлением, но тол...

arXiv AI
3
Читать
Forbes Russia
Forbes Russia

Компания Park Bench приобрела французский футбольный клуб «Бордо» за €1

Английская инвестиционная компания Park Bench заключила соглашение о приобретении французского «Бордо» за символический €1 и возьмет на себя долговые обязательства футбольного клуба. По информации СМИ...

Forbes Russia
Спорт-Экспресс
Спорт-Экспресс

«Бордо» продали за 1 евро

«Бордо» подтвердил, что инвестиционный фонд Park Bench согласился приобрести клуб за символическую сумму в 1 евро у Жерара Лопеса. Сделка позволит «Бордо» избежать ликвидации,

Спорт-Экспресс
arXiv Computer Vision
arXiv Computer Vision

Судно Bench-800K: Крупномасштабный контрольный показатель восприятия для обнаружения, подсчета и оценки плотности смешанных судов

arXiv: 26009.37003v1 Сообщение типа: новое резюме: восприятие судов из космоса имеет решающее значение для широкого круга видов применения на море, от мониторинга движения до охраны окружающей среды. ...

arXiv Computer Vision
2
Читать
Sports.ru
Sports.ru

Английская компания купит «Бордо» за 1 евро. В июле клуб был переведен в 6-й дивизион

« Бордо » близок к смене владельца. Английская инвестиционная компания Park Bench готовится приобрести клуб у Жерара Лопеса за символический 1 евро. Сделка также предусматривает реструктуризацию долго...

Sports.ru
arXiv NLP
arXiv NLP

Live Mathematician Bench: живой эталонный показатель для математики на уровне исследований с помощью рисунков доказательств

arXiv: 2604.01754v2 Annuates Type: заменить резюме: Математическая аргументация является отличительной чертой человеческого интеллекта, и вопрос о том, могут ли крупные языковые модели (LMS) реально в...

arXiv NLP
2
Читать
arXiv AI
arXiv AI

Может ли МЛМ генерировать код с контролируемым временем и космической сложностью?

arXiv:2503.15242v3 Annuales Type: заменить кросс-бюллетень: Мы введем BigO(Bench) — новый эталонный код, предназначенный для оценки способности моделей регенеративного языка понимать и генерировать ко...

arXiv AI
Читать
arXiv NLP
arXiv NLP

E2A-Bench: Контроль за достоверностью доказательств к действиям при составлении финансовой карты

arXiv:2609.14302v1 Annuate Type: новый резюме: Могут ли модели финансового видения (VLM) превращать данные карты в надежные рекомендации о действиях? Существующие оценки галлюцинаций в основном ориент...

arXiv NLP
Читать
arXiv Computer Vision
arXiv Computer Vision

GeoH8-Bench: В направлении мультимодального подхода к дистанционному зондированию с учетом высоты

arXiv: 2603.25565v2 Тип уведомления: заменить резюме: Текущие крупные мультимодальные модели (ММБ) в области наблюдения Земли оцениваются главным образом на основе плановых оптических задач и часто иг...

arXiv Computer Vision
Читать
arXiv NLP
arXiv NLP

CT-$\Delta$Bench: Контрольный параметр для продольной 3D медицинской изображения различий в отчетности с моделями зрения и языка

arXiv: 2608.11534v2 Annuals Type: заменить резюме: в медицинской съемке клиническая ценность вычисленной Томасографии (CT) заключается не только в отображении текущего состояния заболеваний, но и в об...

arXiv NLP
1
Читать
arXiv Computer Vision
arXiv Computer Vision

T2LSC-Bench: Контроль за локальным семантическим контролем в поколениях " текст-имаг &qt;

arXiv:2600,022255v1 Annuales Type: New Humber Brieflow: Последние модели текста-изображения становятся все более способными к прямому тексту, но надёжный локальный текстовой контроль требует больше, ч...

arXiv Computer Vision
1
Читать
arXiv Computer Vision
arXiv Computer Vision

Ведомый доказательствами показатель мультимодального обоснования и оценки в сложных городских сценах

arXiv:2506.095557v2 Annuales Type: заменить резюме: в то время как мультимодальные модели большого языка (MLMS) демонстрируют впечатляющие результаты при доброжелательных сценариях, их когнитивная над...

arXiv Computer Vision
2
Читать