LiveBench
2 published articles
معايير واختباراتFeatured2 min read
تحليل المعايير
LiveBench يرفض البقاء ثابتًا. هذا هو المغزى كله
يستبدل LiveBench مفتاح إجابة ثابت بمجموعة محدثة باستمرار من مشاكل البرمجة والمستودعات وأسئلة التوقع، متجاوزًا التلوث الذي قوض MMLU و GSM8K. إنه جزء من تحول أوسع نحو التقييم الديناميكي إلى جانب LiveCodeBench و ForecastBench و LLMEval-Fair.
2026-08-03
الذكاء الاصطناعيFeatured4 min read
سباق النماذج
لوحة متصدر LiveBench هي دراسة في تناقص العوائد
يحتل نموذج GPT-5.6 Sol صدارة LiveBench الإجمالية بمتوسط 82.4، لكن Claude Fable 5 يتخلف بنحو 1.6 نقطة فقط بتكلفة تبلغ ثلاثة أضعافه تقريبًا. القصة الحقيقية هي كيف تراجع المستوى الأدنى.
2026-07-22