Tag: benchmark

All the articles with the tag "benchmark".

• JAMMEval：信頼性の高いVLM評価のための日本語ベンチマーク精緻化

  5 Apr, 2026

  本稿では、7つの既存日本語VQAベンチマークを人手で精緻化することで構築したベンチマークコレクションJAMMEvalを紹介します。

• Terminal-Bench & Harbor の紹介

  8 Feb, 2026

  本稿では, 現在最も重要なベンチマークの一つである Terminal-Bench と, その評価フレームワークである Harbor について解説します.