实体
Gemini3.7-Flash
Gemini3.7-Flash
PulseAugur coverage of Gemini3.7-Flash — every cluster mentioning Gemini3.7-Flash across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
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 2 条
-
新的O-IN-Bench基准测试全模态大语言模型对口头意图的理解能力
研究人员推出了O-IN-Bench,一个旨在评估全模态大语言模型(LLMs)在视频上下文中理解口头意图能力的新基准。该基准包含1000个中文和英文样本,涵盖不同类别,并设有对比对来测试依赖上下文的响应。初步评估显示,即使是表现最佳的模型Gemini3.7-Flash,在准确判断内容需求方面也存在困难,突显了识别请求与满足请求之间的差距。
-
新的EvaOmni基准测试LLM的视听推理能力 · 已追踪2个来源
研究人员推出了EvaOmni,一个旨在评估全模态大语言模型视听推理能力的新基准。该基准要求模型不仅要回答问题,还要识别和定位支持其答案的具体视听证据,以解决现有基准可能允许“走捷径”的局限性。EvaOmni包含392个视频中的1,027个人工标注问答对,涵盖15种不同的能力。在评估中,Gemini3.7-Flash表现出最高的整体性能,准确率为79.4%,但其在证据关联和时间定位方面的得分表明先进模型仍有改进空间。