实体
DSBench
DSBench
PulseAugur coverage of DSBench — every cluster mentioning DSBench across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
DeepSeek V4 Flash 正式发布，声称在基准测试中获胜
DeepSeek 已正式发布其 V4 Flash 模型，该公司声称该模型在九项代理基准测试中优于其 V4 Pro 预览版。文章通过检查模型卡和配置文件来验证这些说法，并指出虽然 Flash-0731 确实优于 V4 Pro，但仍不及 Opus 4.8。该版本具有 100 万个 token 的上下文窗口，采用混合专家架构，具有 FP8 密集和 FP4 专家权重，并包含集成的投机解码模块，以提高代理应用中的延迟和成本效益。
-
新的DSBench基准揭示了自动驾驶领域视觉语言模型的安全风险
研究人员推出DSBench，一个旨在评估自动驾驶场景中视觉语言模型（VLMs）安全性的新基准。该基准通过同时评估外部环境风险和车内驾驶行为安全，解决了关键的空白。使用DSBench进行的初步评估显示，当前VLMs在复杂安全关键条件下的性能显著下降，凸显了紧迫的安全问题。还创建了一个包含98,000个实例、专注于这些安全场景的数据集，并在该数据上对VLMs进行微调，证明了其安全性能的显著提升。