AI在线 AI在线

大模型基准

GPT-4.5 创造力比 GPT-4o 弱，浙大上海 AI Lab 发布全球首个面向真实场景的多模态创造力评测基准

GPT-4.5 创造力比 GPT-4o 弱，浙大上海 AI Lab 发布全球首个面向真实场景的多模态创造力评测基准
Creation-MMBench 基准覆盖四大任务类别、51 项细粒度任务，用 765 个高难度测试案例，为 MLLMs 的“视觉创意智能”提供全方位体检。
4/4/2025 12:18:37 PM
汪淼
中国联通业界首次提出大模型能力边界量化基准，避免“高射炮打蚊子”情况

中国联通业界首次提出大模型能力边界量化基准，避免“高射炮打蚊子”情况
相关研究成果以 <What is the Best Model? Application-Driven Evaluation for Large Language Models> 为题发表在自然语言处理权威会议 NLPCC 2024 上，相应的评估基准已向业界开源。
12/27/2024 9:43:47 PM
汪淼
  • 1