谷歌 Aletheia 模型：IMO 满分背后的数学 AI 新范式
谷歌低调发布数学专用模型 Aletheia，在国际数学奥林匹克竞赛基准测试中获得 91.9% 的高分。该模型展现出跨领域建立联系的数学发现能力，但其作为高成本智能体系统，目前并未向公众开放，引发了关于前沿 AI 能...
TechFoco
基准测试 专题
共 4 篇文章，按时间倒序展示。
FullFront：MLLM 前端工程基准测试平台
FullFront 是一个针对多模态大语言模型的前端工程基准测试平台，覆盖设计、理解与代码生成三大核心任务，并提供包含图像渲染与多维度指标分析的自动化评估流水线。
TechFoco
Ai2 Paper Finder：LLM 驱动的文献搜索系统
Ai2 Paper Finder 是一个由大语言模型驱动的文献搜索系统，通过模拟多步骤迭代搜索流程来覆盖长尾论文，并提供相关性评估与摘要，在 LitSearch 基准测试中表现优异。
TechFoco
Omni OCR Benchmark：多模态模型 OCR 能力评估工具
Omni OCR Benchmark 是一个开源基准测试工具，旨在系统评估多模态模型在 OCR 和数据提取任务上的性能。它支持主流模型，并提供 JSON 准确率与文本相似度等关键指标。
TechFoco
