logo
模型评测

  1. LLM-as-a-Judge：自动评审的偏差与校准

    AI
    LLM
    LLM-as-a-Judge
    模型评测
    数据质量

  2. BrowserGym 与任务型 Agent 基准测试

    AI
    LLM
    Agent
    BrowserGym
    模型评测

  3. Agent 评测：任务成功率、轨迹质量与成本

    AI
    LLM
    Agent
    模型评测
    成本优化
    top

  4. Claude 3 系列与模型能力评测方法

    AI
    LLM
    Claude 3
    模型评测
    多模态