实体
MoveBench
MoveBench
PulseAugur coverage of MoveBench — every cluster mentioning MoveBench across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
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MoveBench基准评估LLM在体育和健康指导中的安全性
研究人员开发了MoveBench,这是一个旨在专门评估大型语言模型(LLM)在体育和健康指导应用中表现的新基准。现有的通用基准(如MMLU)未能充分评估安全、个性化和可操作建议质量等关键因素,而这些因素在这些高风险领域至关重要。MoveBench通过整合多样化的任务格式和结构化评分标准来衡量安全合规性、科学有效性和训练逻辑,从而解决了这一问题,并揭示了当前LLM在这些专业指导任务中存在的显著性能差距。
-
MoveBench基准测试发布,用于全球野生动物迁移动态预测
研究人员推出MoveBench,一个用于全球尺度野生动物迁移动态预测的新基准测试。该基准测试包含来自110个物种的800多只动物的260多万个GPS定位点,以及大量的环境数据。研究发现,当前的预测方法在泛化到未来时间点方面优于泛化到未见过个体,并且深度学习方法并不总是优于更简单的基线方法。环境变量的选择也被认为是影响性能的重要因素。