LiveBench
2 published articles
基准与测试Featured2 min read
基准分析
LiveBench拒绝一成不变, , 这正是关键
LiveBench用不断更新的编程问题、代码库和预测问题池取代了固定的答案集，避开了削弱MMLU和GSM8K的数据污染问题。它是向动态评估更广泛转变的一部分，同行还包括LiveCodeBench、ForecastBench和LLMEval-Fair。
2026-08-03
人工智能Featured4 min read
模型竞赛
LiveBench排行榜：边际收益渐微的研究
GPT-5.6 Sol以82.4的平均分在LiveBench上夺得总冠军，但Claude Fable 5仅落后1.6分，成本却高出近三倍。真正的故事在于下方梯队已经明显减少。
2026-07-22