实体 Comvest

Comvest

PulseAugur coverage of Comvest — every cluster mentioning Comvest across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_119636 · Jul 1 · 04:00

新的 BLUEX v2 基准测试评估大型语言模型在复杂的巴西大学考试问题上的表现

研究人员推出了 BLUEX v2，这是一个更新的基准测试，旨在评估大型语言模型 (LLM) 在巴西大学入学考试的开放式问题上的表现。新版本通过纳入 UNICAMP 和 USP 第二阶段考试中的问题，扩展了原始 BLUEX，这些问题需要自由形式的书面回答。该数据集包含 395 个问题，附带图像、学科领域、参考答案和认知能力标签，并已用于测试 21 个最先进的大型语言模型。结果显示，在 0-10 的评分尺度上，性能差异接近 5 分，其中数…