🍊 Latent Atlas 🍉
Search
搜索
暗色模式
亮色模式
探索
标签: evaluation
阅读模式
Hide sidebars
Show sidebars
此标签下有10条笔记。
2026年6月30日
APTBench: Benchmarking Agentic Potential of Base LLMs During Pre-Training
source
paper
agent
benchmark
evaluation
pretraining
2026年6月30日
Agentic Mid-training Strategy for General-Purpose Agent Capability Injection
source
report
agent
mid-training
agent-training
evaluation
2026年6月01日
KLong: Training LLM Agent for Extremely Long-horizon Tasks
source
paper
agents
long-horizon
reinforcement-learning
sft
evaluation
2026年5月24日
Hallucination Evaluation
evaluation
hallucination
2026年5月24日
Human Evaluation
evaluation
human-evaluation
2026年5月24日
LLM-as-a-Judge
evaluation
judge
2026年5月24日
Online Evaluation
evaluation
online-evaluation
2026年5月23日
Benchmark
evaluation
benchmark
2026年5月23日
Evaluation and Benchmark
application
evaluation
2025年12月28日
Perplexity
math
information-theory
evaluation