Show HN：AML CYCLE 2，面向智能体长期记忆的评测基准
AML CYCLE 2 是面向智能体长期记忆的评测基准，已在 Show HN 展示。它用于评估智能体在长期记忆方面的表现，当前页面显示 1 分、0 条评论。
#评测/基准
#评测/基准
今日 0 条Hacker News · Show HNAI 评分3232
Hacker News · 高分新帖AI 评分1616 DeepSeek V4.1 Flash 1017 (Max)：智能能力、成本与速度指标一览
DeepSeek V4.1 Flash 1017 (Max) 按智能能力指数、开放度指数、Token 使用成本、上下文窗口、输出速度与延迟等维度衡量。延迟包含首 Token 时间与输出 500 tokens 的端到端响应时间，后者综合首 Token 时间、推理模型思考时间和输出速度；模型规模仅对开放权重模型展示。
arXiv cs.AI / cs.LG 最新AI 评分4545 我们是否在正确评估 VLM token 剪枝？PAA-Bench 主张超越准确率与 token 数量
PAA-Bench 提出一套可插拔的评测框架，用来检验 VLM 视觉 token 剪枝是否真正选中关键 token 并转化为实际加速，而不是只看聚合准确率与保留 token 数。
Hugging Face Blog精选AI 评分6464 Open ASR Leaderboard 新增印地语与印度英语评测集 Monsoon
Voice Arena 与 Hugging Face 在 Open ASR Leaderboard 上线 Monsoon 印地语与印度英语评测集，四个划分合计覆盖 4888 名说话人，每条音频记录 12 项说话人属性。
推荐理由：做印地语或印度英语语音识别的团队，可以先在 Monsoon 公开集上自测，再按地区、年龄和机型拆分 WER 以定位模型短板。