评测基准
3 条- 01GameHorizon Suite：游戏玩法中的多时间尺度数据与评测
提出GameHorizon统一评测套件，解决现有游戏AI基准覆盖窄、缺语言指令、依赖高方差在线 rollout等问题。
- 02MP-Bench：作为多方对话参与者的语音智能体评测
构建首个专用于评测语音智能体在真实多方对话中角色适应能力的基准 MP-Bench
- 03MAxBench：多项式概念恢复基准
构建 MAxBench 基准，首次系统评测语言模型对多子类非二元概念（如动物、国家）的细粒度表征恢复能力