实体
table
table
PulseAugur coverage of table — every cluster mentioning table 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
最近 · 第 1/1 页 · 共 2 条
-
新的ExBind基准测试AI的视觉到可执行映射准确性
研究人员推出ExBind，一个旨在评估多模态AI模型视觉到可执行对应能力的新诊断基准。该基准专门关注模型必须将视觉或语义参考准确映射到正确可执行对象的层面，将其与更广泛的语义定位或动作执行区分开来。ExBind包含广泛和有针对性的案例套件，其中Qwen2.5-VL-3B在候选有效性方面表现出色，但精确准确性较低，而Qwen3-VL-4B在两项指标上均展现出近乎完美 M 的性能。
-
新基准 SciMDR 和 ShredBench 评估多模态大语言模型在科学文档和重建方面的能力
研究人员推出了 ShredBench，这是一个旨在评估多模态大语言模型（MLLMs）从碎片化文档中重建文档的语义推理能力的新基准。该基准利用自动化流程生成碎片化文档，确保评估不受训练数据污染。对当前 MLLMs 的初步测试显示，随着文档碎片化的增加，性能显著下降，表明它们在弥合视觉不连续性和执行细粒度跨模态推理方面存在差距。