实体
OpenEval
OpenEval
PulseAugur coverage of OpenEval — every cluster mentioning OpenEval 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FBA方法增强了遥感大语言模型在专业任务上的能力
研究人员开发了一种名为填补后推进（FBA）的新型后训练方法，以提高遥感多模态大语言模型（RS-MLLMs）在专业场景下的性能。FBA通过在进行场景专业化之前先填补先决能力差距，来解决高质量数据稀缺的挑战。当应用于海岸港口理解时，FBA显著提升了在HarborEval基准测试上的性能，LLaVA-v1.5的分数从57.95提升到70.29，Qwen3-VL的分数从81.09提升到83.37，优于其他方法。
-
论文认为AI评估需要标准化的项目级数据
一份新的立场文件主张在AI评估中标准化项目级数据发布，以提高透明度和可复现性。作者认为，当前的汇总分数掩盖了项目选择不明确和构建错位等关键问题，导致能力声明夸大和信任错位。为解决此问题，他们提议将项目级数据视为核心基础设施，并推出了OpenEval，一个包含大量基准测试中1000万个响应的存档，旨在促进对AI评估进行更深入的分析和验证。