Munich Center for Quantum Science and Technology
PulseAugur coverage of Munich Center for Quantum Science and Technology — every cluster mentioning Munich Center for Quantum Science and Technology across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
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。
-
Claude Certified Associate Foundations考试练习题发布
本文提供了Claude Certified Associate - Foundations考试的25道练习多选题。旨在作为准备指南,包括基于场景的问题和解释,以帮助个人备考认证。
-
新的基准和数据集评估VLM对番茄叶病害的理解能力
研究人员推出了TomaMMU,这是一个用于番茄叶病害多模态理解的大规模数据集,以及TomaBench,一个旨在评估视觉语言模型(VLM)在这些任务上的表现的基准。该数据集包含超过28,000张图像和213,000个带注释的问答对,分为七个农业任务,涵盖三个复杂级别,从基本感知到专家诊断。对14个最先进VLM的评估显示,在细粒度识别和推理方面存在显著差距,尽管在TomaMMU上进行简单的微调可显著提高性能。
-
新的TW-LegalBench基准评估LLM在台湾法律方面的能力
研究人员推出了TW-LegalBench,这是一个旨在评估大型语言模型(LLM)在台湾法律体系内法律推理能力的新基准。该基准包含超过16,000个选择题,117个开放式论述题,以及超过14,000个法律判决预测实例。虽然表现最佳的LLM已超过合格律师的及格线,但它们在准确引用法律法规方面仍未能达到法官和检察官所需的表现。