论文Agent 与开发者22:06PaMIR 开源基准发布:19 个公开信用违约数据集统一评测做风控或信用建模的可以看看,19 个公开数据集、124 万条记录,统一防泄漏流程,比以往只用 2-4 个公开数据集的基准全多了。#PaMIR#信用违约预测#开源基准#风控aarXiv cs.LG@Mikhail Liashkov 等 5 人原文稍后读已读值得跟进有用关注 PaMIR
模型09:58MedFailBench:临床医生构建的医疗AI安全边界开源基准临床医生亲自设计的AI安全测试,能精准定位模型在哪类医疗错误上出问题,搞医疗AI的必看。#MedFailBench#医疗AI#AI安全#安全边界aarXiv cs.AI@Goktug Ozkan原文稍后读已读值得跟进有用关注 MedFailBench
模型中美对照04:03Perplexity开源内部研究基准WANDRPerplexity把内部跑得最好的研究能力基准WANDR开源了,你要评测推理模型可以拿来用。#Perplexity#WANDR#开源基准#推理模型Aravind Srinivas@AravSrinivas原文稍后读已读值得跟进有用关注 Perplexity