Tag: 基准测试

All the articles with the tag "基准测试".

• 7.2

  SPEED-Bench：NVIDIA 发布统一推测解码评估基准

  2026年03月19日

  · HuggingFace Blog· 03/19 22:33 采集

  NVIDIA 联合 HuggingFace 推出 SPEED-Bench，为推测解码提供覆盖多语义领域、高并发场景的标准化评估框架。

• 6.7

  SocialOmni：测试全模态模型的社交互动能力

  2026年03月19日

  · arXiv· 03/19 02:33 采集

  首个评估 OLM 对话社交能力的基准，揭示感知与互动能力的脱钩

• 7.0

  HorizonMath：用未解数学问题衡量 AI 的数学发现能力

  2026年03月17日

  · arXiv· 03/18 04:36 采集

  100+ 未解数学问题基准，GPT 5.4 Pro 在两个问题上提出了超越已知最优解的方案