PulseAugur
实时 10:12:10
实体 wtmbench

wtmbench

PulseAugur coverage of wtmbench — every cluster mentioning wtmbench across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
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 1 条
  1. TOOL · CL_193282 ·

    新的基准测试对LLM进行电子表格创建任务的测试

    研究人员开发了一个“工作簿时光机”管道,以自动生成用于评估语言模型电子表格创建能力的基准。该管道生成输入-输出工作簿三元组的语料库和一个包含150个任务的精选基准wtmbench。对现有代理和基线的评估表明,查询特异性、代理编排和电子表格界面显著影响LLM在涉及Excel的任务上的表现。