معايير واختبارات
مقارنات واختبارات أداء وتقييمات للنماذج.
3 published articles
تقييم الوكلاء
صناديق الرمل في الاختبارات تخفي كيف تفشل الوكلاء حقًا، جامعة هونغ كونغ قدمت الحل
UniClawBench يقيم الوكلاء الاستباقيين عبر خمس قدرات أساسية في 400 مهمة ثنائية اللغة في العالم الحقيقي، باستخدام حاويات Docker الحية وتقييم حلقة مغلقة بثلاثة وكلاء. يفصل قدرات النموذج الأساسية عن اختيارات الإطار، كاشفًا أين ينهار الوكلاء حقًا.
2026-07-13
معايير واختبارات
تريبل تكنولوجيز وهاجينج فيس تطلقان لوحة متصدرين FFASR للتعرف على الكلام في المجال البعيد
لوحة متصدرين FFASR الجديدة من تريبل تكنولوجيز وهاجينج فيس تقيم نماذج التعرف الآلي على الكلام عبر تسعة ظروف تشمل الصدى والضوضاء الخلفية ومسافة الميكروفون. تظهر التقديمات المبكرة أن معدل خطأ الكلمات في المجال البعيد عند نسبة الإشارة إلى الضوضاء المنخفضة أعلى بعدة مرات من أداء المجال القريب، مما يسلط الضوء على الحاجة إلى نماذج قوية صوتيًا.
2026-07-02
أداء
Gemma 4 يعمل أسرع بنحو 90 بالمائة في Ollama 0.31 مع التنبؤ متعدد الرموز
يقدم Ollama 0.31 التنبؤ متعدد الرموز لـ Gemma 4 على Apple Silicon، مما يحقق توليدًا أسرع بنسبة تقارب 90% للرموز في معايير البرمجة. يأتي التسريع من نموذج أولي مضبوط تلقائيًا ونواة MLX مخصصة تلغي قراءات الأوزان الزائدة.
2026-06-29