| Benchmark | 测评分类 | 可信级别 | 开放 | 热度 |
|---|---|---|---|---|
trajrl-bench · trajectoryRL | 智能体环境控制 | B待确认 | 0.0 | |
HallusionBench · tianyi-lab | 多模态视觉语言 | B待确认 | 0.0 | |
ChartVLM · InternScience | 多模态图表表格 | B待确认 | 0.0 | |
MMAR · ddlBoJack | 多模态音频 | B待确认 | 0.0 | |
snapbench · kxzk | 推理通用推理 | B待确认 | 0.0 | |
RISEBench · PhoenixZ810 | 多模态视觉语言 | B待确认 | 0.0 | |
CUREBench · mims-harvard | 垂直领域医疗 | B待确认 | 0.0 | |
prism-bench · rongyaofang | 多模态文生图 | B待确认 | 0.0 | |
OneIG-Benchmark · OneIG-Bench | 多模态文生图 | B待确认 | 0.0 | |
MathNet · ShadeAlsha | 多模态视觉语言 | B待确认 | 0.0 | |
AssetOpsBench · IBM | 垂直领域通用行业 | B待确认 | 0.0 | |
VLABench · OpenMOSS | 智能体机器人 | B待确认 | 0.0 | |
BrowseComp-Plus BrowseComp· texttron | 智能体网页导航 | B待确认 | 0.0 | |
EmbodiedBench · EmbodiedBench | 智能体机器人 | B待确认 | 0.0 | |
AutomationBench · zapier | 智能体工具调用 | B待确认 | 0.0 | |
merchantbench · KhanCold | 智能体工具调用 | B待确认 | 0.0 | |
MobilityBench · AMAP-ML | 智能体工具调用 | B待确认 | 0.0 | |
people-search-bench · LessieAI | 智能体工具调用 | B待确认 | 0.0 | |
Mind2Web-2 · OSU-NLP-Group | 智能体网页导航 | B待确认 | 0.0 | |
AgentRE-Bench · agentrebench | 智能体工具调用 | B待确认 | 0.0 | |
agentsocialbench · kingofspace0wzz | 安全对齐Privacy | B待确认 | 0.0 | |
LiveMCPBench · icip-cas | 智能体工具调用 | B待确认 | 0.0 | |
PawBench · agentscope-ai | 性能/成本服务部署 | B待确认 | 0.0 | |
silicon-rider-bench · KCORES | 智能体工具调用 | B待确认 | 0.0 | |
truthful_qa · truthfulqa | 未分类 | B待确认 | 0.0 |
第 18 / 18 页
上一页下一页