FinEval：一個面向大型語言模型的中文金融領域知識評測基準
FinEval: A Chinese Financial Domain Knowledge Evaluation Benchmark for Large Language Models
arXiv
2
Liang-Hsun Huang 許願
Agent Seer：從規格理解合成評測情境
Agent Seer: Synthesizing Scenarios from Specification Understanding
arXiv
25
Liang-Hsun Huang 許願
ARC-AGI-3：前沿代理式智慧的全新挑戰
ARC-AGI-3 A New Challenge for Frontier Agentic Intelligence
arXiv
1
Liang-Hsun Huang 許願
AutoData：一個用於開放網路資料蒐集的多代理人系統
AutoData: A Multi-Agent System for Open Web Data Collection
arXiv
42
kerg kerg 許願
LLMRouterBench：一個大規模基準與用於 LLM 路由的統一框架
LLMRouterBench: A Massive Benchmark and Unified Framework for LLM Routing
arXiv
55
林伯燊 許願
TW-LegalBench：衡量台灣法律理解能力
TW-LegalBench: Measuring Taiwanese Legal Understanding
arXiv
48
鄭子凡 許願
DataComp-LM：探索下一代語言模型訓練集
DataComp-LM In search of the next generation of training sets for language models
arXiv
247
Thomas Liang 許願
OpenThoughts：推理模型的資料配方
OpenThoughts Data Recipes for Reasoning Models
arXiv
61
Thomas Liang 許願
當你委派工作時，LLMs 會污染你的文件
LLMs Corrupt Your Documents When You Delegate
arXiv
0
Liang-Hsun Huang 許願
MinerU2.5-Pro：推動資料中心文件解析的規模極限
MinerU2.5-Pro Pushing the Limits of Data-Centric Document Parsing at Scale
arXiv
7
鄭子凡 許願