LiveBench：以动态更新题目和客观自动评分对抗测试集污染

LiveBench 通过动态更新题目与客观自动评分，构建抗测试集污染的 LLM 评测基准。题目取自数学竞赛、arXiv 论文、新闻和数据集等最新信息源，避免 LLM 评委与人工众包带来的偏见。基准覆盖数学、编码、推理、语言、指令遵循和数据分析，并提供 Big-Bench Hard、AMPS、IFEval 等旧基准的更难、抗污染版本。