阿里地区网站建设_网站建设公司_建站流程_seo优化

司南·Daily Benchmark 专区今日上新！

AstroReason-Bench

一个用于评估智能体规划能力的综合性基准，面向空间规划问题这一类高风险任务。

https://hub.opencompass.org.cn/daily-benchmark-detail/2601%2011354

HPE-Bench

一个专门面向人体姿态编辑的评测基准，包含来自 17 个最先进编辑模型的 1,700 个标准化样本，并同时提供真实性标注与多维度质量评分，从而支持更全面的评估。

https://hub.opencompass.org.cn/daily-benchmark-detail/2601%2010369

WenetSpeech-Wu-Bench

首个标准化、公开可用的吴语语音处理评测基准，系统覆盖了自动语音识别、吴语到普通话翻译、说话人属性预测、语音情感识别、语音合成以及指令驱动语音合成等多项任务。

https://hub.opencompass.org.cn/daily-benchmark-detail/2601%2011027