🏷️ #تقييم الأداء
247 مقال
أبحاث
ثورة في قياس ضغط الدم: طريقة جديدة تعتمد على الكشف عن نقاط التغيير!
أركايف للذكاءمنذ 15 يوم
أبحاث
هل يمكن للمعيار أن يكتب نفسه؟ تطور مثير في الذكاء الاصطناعي
أركايف للذكاءمنذ 15 يوم
👁 1أبحاث
ثورة في إنتاج الفيديو: تعرف على SemComp-Bench لتقييم فهم المهام الدلالية
أركايف للذكاءمنذ 16 يوم
👁 2روبوتات
التطور الثوري: DeepInsight II ينقل الذكاء الاصطناعي من التجارب إلى الروبوتات!
أركايف للذكاءمنذ 17 يوم
أبحاث
نحو بزوغ عصر جديد في تقييم سلوك النماذج اللغوية: كيف يمكن لتحليل الخيارات المتاحة أن يحدث ثورة في المعايير القانونية؟
أركايف للذكاءمنذ 17 يوم
👁 2أبحاث
استكشاف تناسق السلوك عبر المهام في نماذج اللغة: مقياس جديد يُحدث ثورة في تقييم الوكلاء
أركايف للذكاءمنذ 18 يوم
👁 1أبحاث
تعزيز موثوقية وكلاء البرمجة: كيف يمكن تقييم وتحسين الأنظمة المحيطة بالنموذج؟
أركايف للذكاءمنذ 18 يوم
👁 2أبحاث
تحذير: لا تعتقد أن تحسين النماذج وفقاً لمعايير الأداء يوفر قدرات ترميز شاملة!
أركايف للذكاءمنذ 18 يوم
👁 1أبحاث
كشف النقاب عن WitnessSim: ثورة في محاكاة الشهادات القانونية عبر الذكاء الاصطناعي
أركايف للذكاءمنذ 18 يوم
👁 2أبحاث
تقييم منهجي للذكاء الاصطناعي: كيف يتجاوز الأداء النهائي ويحقق نتائج أفضل؟
أركايف للذكاءمنذ 21 يوم
👁 1أبحاث
تحليل قوة أداء GraphRAG: تقييم غير متحيز يكشف الحقيقة!
أركايف للذكاءمنذ 21 يوم
👁 2أبحاث
إعداد الواجهة التفاعلية: إطار جديد لتقييم وكالات الذكاء الاصطناعي في الأدوار البشرية
أركايف للذكاءمنذ 21 يوم
أبحاث
كشف النقاب عن سلوك نماذج الرؤية واللغة عند ضعف الرؤية: دراسة فريدة لمؤشرات سلوك VLMs
أركايف للذكاءمنذ 21 يوم
👁 1أبحاث
هل ترى ما ترسم؟ إطار عمل مغلق لتقييم شامل لنماذج متعددة الوسائط الموحدة
أركايف للذكاءمنذ 22 يوم
أبحاث
تأثير صيغ الكلمات: قياس انزلاق أدائي نموذج اللغة الكبير في التقييمات
أركايف للذكاءمنذ 22 يوم
👁 1أبحاث
إطلاق InfraBench: ثورة جديدة في تقييم وكلاء البنية التحتية الذكية!
أركايف للذكاءمنذ 22 يوم
👁 1أبحاث
تقييم قدرات وكلاء الذكاء الاصطناعي في عمليات الاتصالات: CTBench يتصدر المشهد!
أركايف للذكاءمنذ 22 يوم
👁 2أبحاث
ReXrank: تصنيف رائد عالمي لتوليد تقارير الأشعة باستخدام الذكاء الاصطناعي!
أركايف للذكاءمنذ 22 يوم
👁 1أبحاث
فحص السلامة في نماذج الذكاء الاصطناعي: كيف تفشل القواعد في الحفاظ على الأمان؟
أركايف للذكاءمنذ 22 يوم
أبحاث
TRACE Bench: ثورة في تقييم الأداء التفاعلي مع وكيل الدردشة!
أركايف للذكاءمنذ 22 يوم
👁 2