🏷️ #تقييم الأداء

98 مقال

أبحاث

مستقبل الذكاء الاصطناعي في المنازل الذكية: تقييم أداء الأنظمة الشخصي عبر PersonalHomeBench!

أركايف للذكاءمنذ 1 شهر

أبحاث

اختراقات جديدة في عالم الذكاء الاصطناعي: تقييم نماذج اللغة الكبيرة عبر شبكات البيانات!

أركايف للذكاءمنذ 1 شهر

أبحاث

هل تحتل نماذج اللغات الضخمة (LLMs) زمام المبادرة في حل المشكلات المنطقية؟ كفاءة صياغة الاستدلالات أم مجرد خدع؟

أركايف للذكاءمنذ 1 شهر

أبحاث

إطلالة جديدة على تقييم استرجاع المعلومات: إطار RARE يواجه التحديات الحقيقية!

أركايف للذكاءمنذ 1 شهر

أبحاث

فحص الأداء المالي: منصة جديدة لتقييم نماذج الذكاء الاصطناعي في الهند

أركايف للذكاءمنذ 1 شهر

أبحاث

إطلاق XpertBench: معيار جديد لتقييم الذكاء الاصطناعي بمستوى الخبراء!

أركايف للذكاءمنذ 1 شهر

أبحاث

اكتشاف الأبطال: كيف تحدد أفضل وكيل للألعاب العامة بكفاءة مذهلة!

أركايف للذكاءمنذ 1 شهر

أبحاث

GTA-2: ثورة في تقييم وكلاء الأدوات العامة نحو تحقيق كفاءة غير مسبوقة

أركايف للذكاءمنذ 1 شهر

أبحاث

إعادة تعريف العدالة: تقييم شامل لنماذج اللغات الضخمة في فهم النصوص القانونية الفيتنامية

أركايف للذكاءمنذ 1 شهر

أبحاث

سباق الوكلاء الرائع: تقدمات متقدمة وأخطاء في التنقل!

أركايف للذكاءمنذ 1 شهر

أبحاث

اكتشاف LiveClawBench: المعيار الجديد لتقييم وكالات الذكاء الاصطناعي في المهام الحياتية المعقدة

أركايف للذكاءمنذ 1 شهر

أبحاث

ثورة الذكاء الاصطناعي: معيار جديد لتقييم الأعمال الحقلية بفضل FieldWorkArena!

أركايف للذكاءمنذ 1 شهر

نماذج لغوية

RoboLab: نقلة نوعية في محاكاة الروبوتات وتحليل السياسات العامة

أركايف للذكاءمنذ 1 شهر

أبحاث

قفزة مذهلة في الذكاء الاصطناعي: معيار Frontier-Eng لتقييم الوكلاء الذاتيين في مهام هندسية حقيقية!

أركايف للذكاءمنذ 1 شهر

👁 1

أبحاث

تحقيق إنجازات اقتصادية: OpenAI تطلق GDPval لتقييم أداء النماذج في المهام الحقيقية!

مدونة أوبن إيه آيمنذ 8 شهر

أبحاث

اكتشاف أخطاء GPT-4 بواسطة GPT-4: ثورة في تقييم الأداء!

مدونة أوبن إيه آيمنذ 23 شهر

نماذج لغوية

النماذج اللغوية الضخمة: كيف نقيم قوتها ونجاحها؟

هاجينج فيسمنذ 44 شهر

أبحاث

اكتشفوا Procgen Benchmark: ثورة في قياس مهارات الذكاء الاصطناعي!

مدونة أوبن إيه آيمنذ 79 شهر