行业与实践 · 研究与基准测试

研究与基准测试/2026-08-13/8 分钟

问答最高 86.46%，改图代码只有 0.51–2.98：百度用 TikZ 测科学图

百度 Diagram-MMU 用 3.7k 张科学图、18.3k 道题测十二个模型。问答最高 86.46%，被改部分的 CrystalBLEU 只有 0.51 到 2.98。Agent 小集上多数模型改图上升、问答下降，三件事都涨的只有 Claude-4.6 Opus。