分子特性预测新框架来了！浙大侯廷军团队、匹兹堡大学联合提出跨通道学习，各大基准表现亮眼
编辑 | 萝卜皮可靠的分子特性预测对于各种科学研究和工业应用（例如药物研发）至关重要。然而，由于数据稀缺，加上物理化学和生物特性与传统分子特征化方案之间的高度非线性因果关系，使得开发稳健的分子机器学习模型变得异常复杂。
首页 > 基准
-
-
微软联手北大，发布PPTC大模型测试基准
DoNews11月7日消息，据品玩引述 HuggingFace 页面报道，微软研究院联手北京大学，共同发布了一款名为 PPTC 的大模型测试基准，可以用于测试大模型在PPT 生成方面的能力。研究团队表示，PPTC包含 279 个涵盖不同主题的多回合会话和数百条涉及多模式操作的说明。研究团队还提出了P
-
百川新模型冲顶中文测试基准！首款AI助手“百小应”同时发布，“最懂搜索”
王小川在搜索时期种下的种子，在大模型时代又开花了。他创业的百川智能，刚刚发布了自家首款AI应用，to C的“百小应”。乍一看，这就是个当下大热门的AI助手，但官方强调，这个AI助手啊，它懂搜索，还会引导式提问。你别说，当“搜索”和“王小川”这两个词放到一起的时候，就格外让人想仔细一探究竟。
-
首次覆盖超11类编程场景！字节开源最全面代码大模型基准fullstackbench
代码大模型越来越卷，评估AI编程水平的“考卷”也被迫升级。12月5日，字节豆包大模型团队开源最新代码大模型评估基准FullStack Bench，在业界首次囊括编程全栈技术中超11类真实场景，覆盖16种编程语言，包含3374个问题，相比此前基准，可以更有效地评估大模型在现实世界中的代码开发能力。代码
-
上海交大发布大模型双语编程评估基准，机器开始挑战人类写代码了？
上海交通大学 APEX 实验室“Write the code. Change the world.”If computers can write code, then it is a new world.打造能自己写代码的机器，这是计算机科学和人工智能先锋者一直在追寻的目标。
-
2023中文大模型基准测评报告发布；微软Copilot将升级至GPT-4Turbo；AI奥林匹克数学奖设立丨AIGC大事日报
1、SuperCLUE发布2023中文大模型基准测评报告2、谷歌推出AI Core应用，管控手机本地AI模型3、微软Copilot将升级至GPT-4 Turbo4、HF CEO分享2024年AI行业六大预测5、Salesforce将在AWS上销售AI软件等6、中英加强AI等领域合作交流7、百度资本等
-
中国科大、科大讯飞团队开发ChemEval：化学大模型多层次多维度能力评估的新基准
编辑 ｜ ScienceAI近日，认知智能全国重点实验室、中国科学技术大学陈恩红教授团队，科大讯飞研究院 AI for Science 团队发布了论文《ChemEval: A Comprehensive Multi-Level Chemical Evaluation for Large Langua
-
清华大学教授孙茂松等建立机器中文语言能力评测基准“智源指数”
12月30日，清华大学教授孙茂松带领的团队在北京发布了机器中文语言能力评测基准“智源指数”CUGE，在北京智源人工智能研究院自然语言处理(简称NLP)重大研究方向前沿技术开放日活动上，由清华大学教授孙茂松带领的团队发布了机器中文语言能力评测基准“智源指数”(CUGE)。
-
中国联通业界首创大模型能力边界量化基准
12月21日，OpenAI 发布了具有超强推理能力的大模型o3，引起了业内对大模型推理能力的广泛讨论和深入研究。o3的发布也带来了三个引人深思的问题：市面上主流大模型的推理能力究竟如何？在真实应用场景中，是否总是需要具有极强推理能力的模型？在实际应用中，如何根据应用需求选择合适参数量的大模型而避免“
-
全华人团队推出多模态大模型新基准，GPT-4o准确率仅为65.5%
GPT-4o再次掀起多模态大模型的浪潮。如果他们能以近似人类的熟练程度，在不同领域执行广泛的任务，这对许多领域带来革命性进展。因而，构建一个全面的评估基准测试就显得格外重要。然而评估大型视觉语言模型能力的进程显著落后于它们自身的发展。
