NVIDIA视频基准两周增至2479下载
视频场景判断成为新数据高地

nvidia/PhysicalAI-VANTAGE-Bench 于 2026-05-04 发布，当前下载量 2,479、点赞 9；nvidia/PhysicalAI-VANTAGE-Bench-Subset 于 2026-05-05 发布，当前下载量 1,284、点赞 1。变化追踪显示 VANTAGE-Bench 较上期从 19 增至 2,479，增加 2,460 次、增长 12,947.4%；Subset 从 6 增至 1,284，增加 1,278 次、增长 21,300.0%。两者都聚焦固定基础设施摄像头视频理解任务，覆盖 warehouse、smart city 等真实场景。

变化数据中，rl_environment 从 1 个升至 16 个，新增 15 个；reward_model 从 0 个升至 4 个；rlhf_preference 从 0 个升至 1 个。代表性数据集包括 laion/nemotron-gym-safety、laion/nemotron-gym-agent-workplace、laion/nemotron-gym-agent-calendar、laion/nemotron-gym-competitive-coding、laion/scaling-laws-for-comparison-full，以及 laion/mix_h10_reward_binary-v2、laion/mix_h10_reward_proportional-v2、laion/mix_h10_reward_staged-v2、laion/mix_baseline_uniform-v2，均在本期新出现。

facebook/bouquet 于 2025-06-10 发布，当前下载量 1,435、点赞 36，是 8 种语言的多向并行翻译质量评测集，底层文本由语言学家手工制作；google/fleurs 于 2022-04-19 发布，当前下载量 57,173、点赞 402，覆盖 102 种语言语音识别，标签同时包含 expert-generated、crowdsourced 与 machine-generated。二者共同指向多语言语音/翻译质量评测而非单纯语料扩容。

internlm/WildClawBench 于 2026-03-24 发布，当前下载量 8,250、点赞 59，较上期 7,683 增长 567 次。变化数据还显示 microsoft/Orchard 新增下载量 166、点赞 8，microsoft/WebTailBench 新增下载量 366、点赞 16，均被归入 agent_tool。Databricks 的 databricks/officeqa 于 2025-12-15 发布，当前下载量 131，聚焦真实文档上的端到端推理。

allenai/olmoearth-paper-embeddings 于 2026-05-15 发布，当前下载量 2,876、点赞 2，提供 26 个 Earth observation foundation models 在 24 个下游任务上的论文嵌入；databricks/officeqa 于 2025-12-15 发布，当前下载量 131，围绕 1930 年代起美国财政公报文档上的 grounded reasoning。与此同时，Microsoft Research 在 2026-05-14 发布 SocialReasoning-Bench 相关博客，强调代理虽能执行但未必持续改善用户处境。