标注虚假生产日期、使用超保质期食品原料……一批食品专项典型...

当事人的行为违反了《中华人民共和国食品安全法》第三十四条第（十）项的规定，构成生产标注虚假生产日期的食品的违法行为。新民市市场监督管理局依据《中华人民共和国食品安全法》第一百二十四条第一款第（五）项，按照《辽宁省市场监督管理行政处罚裁量权适用规则》第十八条、第二十五条的规定，对当事人作出上述行政...

突破短视频局限!MMBench 团队构建中长视频开放问答评测基准

基准测试包含从YouTube收集的600多个长视频,涵盖新闻、体育等16个主要类别,旨在评估MLLMs的时空推理能力。与传统的视频问答基准不同,MMBench-Video通过引入长视频和高质量的人工标注问答对,弥补了现有基准在时序理解和复杂任务处理方面的不足。通过GPT-4评估模型的答案,该基准展现了更高的评估精度和一致性,为视频理解...

制定数据标注规则必须坚持“三个原则”

贯彻坚持人工辅助、权责明晰、权责一致原则,提炼与完善数据标注规则,要贯彻全面准确落实司法责任制的部署精神,坚持人工智能融合应用监督办案的辅助定位,突出检察官办案主体地位,落实“谁办案谁负责、谁决定谁负责”的改革要求。换言之,人工标注是法律监督训练数据标注的主要方式,人工辅助是数字检察中数据标注的基本定位。生...

算错解放军最近距离 台防务部门承认标错基准点

据台媒8月13日报道,台防务部门日前发布消息称,5架次解放军军机6日在台湾岛东南方活动,距台湾岛最南端鹅銮鼻仅33海里。台防务部门9日更新,解放军军机6日并未进入台湾“24海里线”毗连区空域。后又于13日称,经反复对比资料,原绘图基准点标注错误,当天最近应是距离兰屿33海里。台防务部门表示,对作业疏漏深切检...

首次引入GPT-4o,图像自动评估新基准来啦

评分规则涵盖了形状、颜色、纹理以及面部细节(特别针对人和动物),以全面评估图像的个性化效果。最后,为了收集无偏的人类偏好数据,研究团队招募了7名经过专业培训、充分理解个性化任务的人类标注员。他们的标注结果被用作人类打分的基准,以确保评估结果的客观性和可靠性。

GPT-4o 差点没及格!首个多任务长视频评测基准,它有亿点难

针对以上不足,新基准MLVU从以下3个层面进行构建:时长和来源更丰富MLVU的视频时长覆盖了3分钟到超过2小时,平均视频时长12分钟,极大扩展了当前流行的VideoBenchmark的时长范围(www.e993.com)2024年11月27日。另外,MLVU的大部分任务标注过程中进行了片段-问题对应标注。

...时代的蓝海任务,GPT4V准确率不足10%,港科大发布指代理解基准...

全面的指称表达理解基准——Ref-L4Ref-L4的优势Ref-L4有四个显著特点:大规模:Ref-L4包含9,735张图片,18,653个独特实例,总共有45,341个标注,远超RefCOCO、RefCOCO+和RefCOCOg。RefCOCOg只有3,900张图片,7,596个实例和14,498个标注。

DeepMind终结大模型幻觉?标注事实比人类靠谱、还便宜20倍,开源

LONGFACT：使用LLM生成长篇事实性的多主题基准首先来看使用GPT-4生成的LongFact提示集，包含了2280个事实寻求提示，这些提示要求跨38个手动选择主题的长篇响应。研究者表示，LongFact是第一个用于评估各个领域长篇事实性的提示集。LongFact包含两个任务：LongFact-Concepts和LongFact-Objects，根据...

ICLR 2024 | RLHF有了通用平台和基准,天大开源,专攻现实决策场景

以上实验结果表明,每个组件都显著提高了标注的可靠性,最终实现了与专家注释98%的一致率。离线RLHF基准实验研究人员利用收集到的众包反馈数据集对下游决策任务进行了大量实验,以评估各种不同的设计选择及其对应的优势。首先,Uni-RLHF使用了三种不同的奖励模型设计结构,分别是MLP、TFM(Transformer)和CNN...

...执法局关于印发《北京市城市管理综合行政执法行政裁量权基准...

涉及城市管理领域安全生产相关执法职权的裁量,依据应急管理部门的裁量权基准执行。其他相关部门承接城市管理综合行政执法部门下放职权的,相关裁量适用本《基准》。2实施行政处罚裁量的基本规则本《基准》中各类违法行为的处罚裁量,采取10位编码管理。编码包括:处罚权力清单编码(第1-6位)+基础裁量档代码(第7位...