SemiAnalysis 推出法律领域 benchmark,考察能力与工具调用
nirmal_dist · x · 2026-11-02
SemiAnalysis 团队(27upon2 等)发布了其首个 benchmark,聚焦法律领域。nirmaldist 表示法律是能力、对齐与严谨性(有效的工具使用)都必须到位的有趣领域,并宣布与其合作推出该评测。法律任务因对准确性和推理严谨要求极高,被视为检验模型综合能力的高价值场景。
「研究」频道最新
- HiFOR：分层预见与动作引导世界接地改进 VLA 机器人操作 — Rongxing Ding · 2026-11-02
- R²Orch：用自博弈+技能内化循环实现智能体编排的自我改进 — CUHKSZ · 2026-11-02
- 京东 WorldBridge：视频预测+稀疏动作标注让机器人任务泛化达 70.7% — Jun Cen · 2026-11-02
- 《The Proof in the Code》入选 WSJ 十月最佳书评书单 — stevenstrogatz · 2026-11-02
- 迄今最精细人类真核细胞 3D 重建模型问世 — CurieuxExplorer · 2026-11-02
- AB-Attention 免训练稀疏注意力,视频生成最高提速 2.23 倍 — bdsqlsz · 2026-11-02