评测基准
4 条- 01面向胸片与电子病历多模态分类的泄露感知与标签感知类别不平衡策略评测基准
揭示医疗多模态基准中因患者级数据泄露导致的评估偏差，提出更鲁棒的评测协议。
- 02关注间隙（MTG-AD）：端到端内联音频描述的数据集与细粒度评测
发布MTG-AD数据集并建立细粒度评测协议，首次系统评估MLLM生成符合视频静音间隙的音频描述能力。
- 033DCodeEdit：面向指令引导的3D程序编辑评测基准
构建首个聚焦Blender程序指令编辑的基准，含2592个任务，强调对3D结构变化的预见与理解能力。
- 04基于患者特异性量规的大语言模型在纵向癌症照护中的评估
构建NPC-RubricBench基准，首次在鼻咽癌全病程中按临床阶段评估大语言模型的多阶段纵向推理能力。