Tag: Benchmarking

HumanoidToolBench: Benchmarking Humanoid Tool Use from Selection to Mobile Execution

1. Oktober 2026

cua-speedrun: Standardisierte Benchmarks für die Geschwindigkeit von Computer-Use-Agents

30. September 2026

ViTeX-Bench: Benchmarking High-Fidelity Video Scene Text Editing

30. September 2026

AgentWorld: Benchmarking Long-Horizon Collaboration of Multi-agent LLMs

29. September 2026

GPUPhysBench: Benchmark für Coding-Agenten in der GPU-Physiksimulation

28. September 2026

KI-Ärzte vor Gericht: Neues Framework deckt versteckte Risiken in medizinischen Sprachmodellen auf

25. September 2026

Atria Dawn: Der Anfang der agentischen Superintelligenz

17. September 2026

Atria Dawn: Der Beginn der agentischen Superintelligenz

15. September 2026

ADeLe sagt den Erfolg von KI voraus – Nature-Studie

14. September 2026

Claude Opus 5: Nur 23,9 % der 53 Systembau-Tasken ohne menschliche Eingriffe

4. September 2026