AITOP
精选
过去 24 小时，从 749 条中筛出 46 条
全部模型产品行业论文技巧
标签：基准数据集×
6月11日
15:28
15:23
15:07
6月10日
10:52
10:52arXiv cs.LG@Abhijoy Sarkar, Aarchi Singh Thakur
精选
OncoTraj 是一个针对EGFR突变非小细胞肺癌（NSCLC）患者接受一线奥希替尼治疗后耐药预测的公开基准数据集，整合了来自MSK-CHORD、AACR Project GENIE BPC NSCLC和FLAURA研究的813例患者数据。该基准定义了三个任务：12个月进展二分类、进展时间回归和耐药机制六分类。当前v1版本仅使用单时间点组织NGS特征，所有模型（包括LSTM和多任务Transformer）在干净评估中均未超越随机水平，表明瓶颈在于输入模态而非算法。基准确认了TP53共突变与12个月进展率从29%升至59%的关联。OncoTraj为纵向耐药预测提供了可复现的基线，并明确了v2版本需引入连续ctDNA数据的设计方向。
论文基准数据集耐药预测EGFR突变非小细胞肺癌奥希替尼
推荐理由：肿瘤基因组学研究者终于有了可复现的耐药预测基准——OncoTraj 直接点出当前单点NGS的模态瓶颈，做纵向建模或液体活检分析的团队值得关注，v2 的 ctDNA 设计方向会直接影响你的实验方案。
原文
6月2日
09:42
09:42arXiv cs.AI@Bingyu Li, Da Zhang, Tao Huo, Zhiyuan Zhao, Junyu Gao, Xuelong Li
精选
多时序指代分割（MTRS）是一项新任务，要求模型从多时序图像中分割出语言描述的时间变化。研究团队提出了CRAFT-Agent自动化数据构建流程，并构建了首个基准MTRefSeg-21K，包含2.1万高质量三元组。现有视觉语言模型在该任务上表现不佳，为此团队提出了MTRefSeg-R1框架，采用两阶段训练策略，先学习通用时序变化感知，再微调实现细粒度语言引导定位。实验表明，MTRefSeg-R1显著优于现有基线，揭示了多时序视觉推理的挑战与潜力。
论文多时序推理指代分割视觉语言模型基准数据集变化检测
推荐理由：做多模态视觉推理或时序变化检测的团队，这个新基准和基线模型值得关注——它填补了LVLM在时序推理上的空白，可以直接用来评估和提升模型能力。
原文
6月1日
00:09
5月29日
08:02
AITOP5月29日 08:02
Opus 4.8发布：编程助手的“静默时刻”，是解放开发者，还是新门槛？🔥Anthropic 把 AI 编程的“确认键”彻底删掉了！Claude Code 搭载全新 Opus 4.8 模型，长时间任务不跑偏、不废话、不中断，像一个资深工程师一样默默干活，从功能开发到漏洞清扫全包圆，你在旁边喝茶等结果就行。过去 AI 写代码三步一问“这样可以吗”，现在它直接交完整交付物……自主编程的最后一层窗户纸，被捅破了。做自动化开发和代码审查的团队，这个模型建议直接上手，效率差距肉眼可见……Opus 4.8发布：编程助手的“静默时刻”，是解放开发者，还是新门槛？
5月15日
10:12
10:12arXiv: OpenAI@Tianwei Chen, Takuya Furusawa, Yuki Hirakawa, Ryotaro Shimizu, Mo Fan, Takashi Wada
精选
本文提出 MultiEmo-Bench，一个多标签视觉情感分析基准数据集，用于全面评估多模态大模型（MLLMs）预测图像引发情感的能力。现有数据集采用单候选情感标注方案，忽略了单张图像可能引发多种不同强度情感的事实，导致低估 MLLMs 能力。新数据集为每张图像雇佣 20 名标注者，收集所有被激发的情感，最终包含 10,344 张图像和 236,998 条有效投票，覆盖八种情感。评估了 Qwen3-VL、GPT、Gemini 和 Claude 等模型，结果表明当前 MLLMs 虽有进步，但仍有很大提升空间。实验还发现，LLM-as-a-judge 方法在视觉情感分析这一主观任务上效果不稳定。
论文多模态大模型视觉情感分析基准数据集多标签标注Qwen3-VL
推荐理由：做多模态情感分析或评估 MLLMs 情感能力的团队，终于有了一个更可靠的多标签基准——MultiEmo-Bench 解决了现有数据集低估模型的问题，值得直接用于模型评测。
原文