LiveBench动态换题应对测试集污染
热点事件持续更新
LiveBench动态换题应对测试集污染
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
LiveBench 通过持续更新题目并采用客观自动评分，构建面向大语言模型的抗测试集污染评测基准，以降低模型因提前见过测试题而取得虚高成绩的风险。 题目取自数学竞赛、arXiv 论文、新闻和数据集等最新信息源，评测覆盖数学、编码、推理、语言、指令遵循与数据分析，不依赖大语言模型评委或人工众包。LiveBench还提供 Big-Bench Hard、AMPS、IFEval 等旧基准的更难、抗污染版本。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 23:36
LiveBench：以动态更新题目和客观自动评分对抗测试集污染报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- AGI HuntLiveBench：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。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月29日 00:00
- 近 24 小时变化
- –
02.557.510
10月29日01:0002:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。