Agent 系统性学习
Search
搜索
暗色模式
亮色模式
阅读模式
探索
榜单
此标签下有7条笔记。
2026年8月31日
偏好对战榜(Chatbot Arena / LMArena)
概念
评测
榜单
计算机科学
2026年8月31日
BFCL(Berkeley Function Calling Leaderboard)
实体
榜单
工具调用
2026年8月31日
MMLU
实体
数据集
榜单
知识
2026年8月31日
SWE-bench
实体
数据集
榜单
智能体
2026年8月31日
Terminal-Bench
实体
榜单
智能体
评测
2026年8月31日
《The Leaderboard Illusion》——对战榜是可以被玩坏的
论文
榜单
对战榜
刷榜
计算机科学
2026年8月31日
《Rethinking Benchmark and Contamination》——改写一下题目,13B 模型就能刷到 GPT-4
论文
评测污染
榜单
计算机科学