FIN-bench-v2: A Unified and Robust Benchmark Suite for Evaluating Finnish Large Language Models
FIN-bench-v2：一个用于评估芬兰大型语言模型的统一且稳健的基准测试集
专题命中 代码评测 ：repository(abstract)；分类 cs.CL、cs.AI
AI总结 FIN-bench-v2通过整合芬兰语言任务和评估方法，提供统一且稳健的基准测试集，用于评估芬兰大型语言模型的性能。
AI 大模型
代码大模型 / AI 编程
代码生成、软件工程智能体、程序修复、测试生成和开发者工具。
1. 代码评测 5 篇
Is GPT-OSS Good? A Comprehensive Evaluation of OpenAI's Latest Open Source Models
GPT-OSS好吗？对OpenAI最新开源模型的综合评估
机构 * AI Agent Lab, Vokram Group（AI代理实验室，Vokram集团） ； Purdue University（普渡大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Minnesota（明尼苏达大学） ； Emory University（埃默里大学） ； Imperial College London（伦敦帝国学院）
专题命中 代码评测 ：code generation(abstract)；分类 cs.CL
AI总结 GPT-OSS在代码生成方面表现优异，但在多语言任务上存在不足，研究发现稀疏架构扩展未必能带来性能提升。
DoNOF 2.0: A modern Open-Source Electronic Structure Program for Natural Orbital Functionals
DoNOF 2.0：一种现代的开源电子结构程序用于自然轨道功能
专题命中 代码评测 ：repository(abstract)
AI总结 DoNOF 2.0是一款开源电子结构程序，提供改进的优化算法、激发态计算和非线性光学响应评估功能。
Comments 11 pages, 4 figures, 3 tables
A Thermal Modeling Toolkit for Continuous-Wave Gaussian Second-Harmonic Generation in KTP Crystal
用于KTP晶体连续波高斯二次谐波生成的热模型工具包
专题命中 代码评测 ：repository(abstract)
AI总结 该工具包提供了一种用于计算KTP晶体连续波高斯二次谐波生成中温度场的开源有限差分方法，支持多种热传导模型和参数化情景扫描。
Generalization vs. Specialization: Evaluating Segment Anything Model (SAM3) Zero-Shot Segmentation Against Fine-Tuned YOLO Detectors
泛化与专门化：评估Segment Anything Model（SAM3）零样本分割对精细调优的YOLO检测器
机构 * Cornell University, Department of Biological and Environmental Engineering（康奈尔大学生物与环境工程系） ； University of the Peloponnese, Department of Informatics and Telecommunications（希腊皮埃里亚大学信息与电信系）
专题命中 代码评测 ：repository(abstract)
AI总结 本文评估了SAM3在零样本分割中的性能，与微调的YOLO检测器相比，展示了SAM3在遮罩精度上的优势。
