评测论文比较 Jev 与 LLM 在 43 项阿拉伯语任务上的表现
热点事件持续更新
评测论文比较 Jev 与 LLM 在 43 项阿拉伯语任务上的表现
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Hossam Elsafty 等研究者在 arXiv 论文 2611.10802 中用统一零样本协议，在 9 个任务族的 43 项阿拉伯语任务上评估了 67 个系统（47 个决策模型和 20 个大语言模型）。结果 Jev 1.14.0 平均任务主指标得 69.24（乘以 100 的量表），高于 Jev 1.13.0 的 68.77，低于该汇总指标上得分最高的 Gemma-4-31B 的 71.81。 论文作者说明，这些结果并未建立方言稳健性的总体模型排名，也未解释观察到的差距的原因。
AI 根据报道生成 · 1 小时前更新
最新进展11月14日 13:00
Jev 阿拉伯语能力评测：比较决策模型与 LLM 在多方言任务上的表现报道时间线
沿着报道，了解事件的不同侧面。
11月14日
- arXiv cs.AIJev 阿拉伯语能力评测：比较决策模型与 LLM 在多方言任务上的表现
该 arXiv 评测用统一零样本协议在 9 个任务族、43 项任务上评估了 67 个系统，包括 47 个决策模型和 20 个大语言模型。Jev 1.14.0 平均任务主指标得 69.24，高于 Jev 1.13.0 的 68.77，低于最高分 Gemma-4-31B 的 71.81。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。