实体
PRISM-Bench
PRISM-Bench
PulseAugur coverage of PRISM-Bench — every cluster mentioning PRISM-Bench 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 PRISM-BENCH 评估超越准确性的 AI 多模态推理
一个名为 PRISM-BENCH 的新基准已被开发出来，用于评估 AI 模型的多模态推理能力，超越简单的答案准确性。该基准包含 1,000 个专家精心策划的问题，涵盖五个推理类别，每个类别都有一个理想化的推理过程。PRISM-BENCH 旨在诊断诸如图像基础和所陈述推理的忠实性等问题，揭示感知和基础是当前如 GPT-5 和 Claude Opus-4.6 等前沿模型的重要瓶颈。该基准还引入了 CORE，这是一个效率感知指标，与单独的准…
-
新的PRISM-Bench评估文本到视频生成中的音频
研究人员推出了PRISM-Bench，这是一个专门用于评估文本到音频视频（T2AV）系统音频生成能力的新基准。与以往将音频视为次要或孤立评估的基准不同，PRISM-Bench侧重于音频质量、与视觉的连贯性、表现力和提示遵循度。它使用一个包含900个经过人类验证的样本的数据集和一个MLLM-as-a-Judge协议来确保可靠的评分，并显示出与人类评估者的高度一致性。该基准的分析表明，当前的T2AV模型在复杂的音频接地方面存在困难，尤其是…