基准测试
  1. 首页
  2. 基准测试

列表

K2

K2

地球科学的开源大预言模型，首先在收集和清理过的地球科学文献（包括地球科学开放存取论文和维基百科页面）上对 LLaMA 进行进一步预训练，然后使用知识密集型指令调整数据（GeoSig...
Ai平台模型 1970年01月01日
MME

MME

MME-CoT 是一个用于评估大型多模态模型链式思维推理能力的基准测试框架，涵盖数学、科学、OCR、逻辑、时空和一般场景六大领域，包含1,130个问题，每题均附关键推理步骤和图像描述。该框架引入推理质量、鲁棒性和效率三大评估指标，全面衡量模型推理能力，并揭示当前模型在反思机制和感知任务上的不足，为模型优化和研究提供重要参考。
AI项目与工具 2025年06月12日
SimpleQA

SimpleQA

SimpleQA是OpenAI开发的一个基准测试工具，用于评估大型语言模型在回答简短、事实性问题时的表现。它包含4326个问题，每个问题都有唯一的正确答案，并通过严格的验证流程确保质量。SimpleQA不仅能够测试模型的事实性回答能力，还能衡量其自我认知水平和校准能力，广泛应用于模型开发、学术研究及教育工具等领域。
AI项目与工具 2025年06月12日
DeepSeek V3

DeepSeek V3

DeepSeek V3是一款由幻方量化旗下的深度求索公司开源的AI模型，拥有6850亿参数，采用混合专家架构。它在多语言编程、长文本处理和对话交互方面表现出色，能够生成高质量代码、优化现有代码、协助调试、生成文本、分析文本、润色文本，并支持自然对话和多轮对话。此外，它在多个基准测试中表现出色，包括编程、数学、推理等领域。
AI项目与工具 2025年06月12日