实体 FIKA-Bench

FIKA-Bench

PulseAugur coverage of FIKA-Bench — every cluster mentioning FIKA-Bench 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

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_30558 · May 13 · 08:49

新的FIKA-Bench测试AI知识获取能力，超越视觉识别

研究人员推出FIKA-Bench，一个旨在评估AI系统获取未知物体知识能力的新基准，超越了简单的视觉识别。该基准包含311个精心策划的真实世界实例，以避免数据泄露并确保证据接地。评估显示，即使是最先进的大型多模态模型和代理在该任务上也表现不佳，准确率仅为25%左右，这凸显了改进专注于细粒度识别和证据验证的代理设计的必要性。