Models · Evals
LiveBench
持续更新的多任务能力
| 测什么 | 持续更新的多任务能力 |
|---|---|
| 任务与数据 | 数学、代码、推理、数据整理等;按月更新 |
| 指标 | 各任务准确率 |
| 污染风险 | 按时间更新题目,降低污染;但题量分布会变。 |
| 复现 | 记录版本月份、任务子集与评分脚本。 |
| 成本 | 中 |
| 快照日 | 2026-11-19 |
| 核验日 | 2026-11-19 |
怎么读
适合看新题上的稳定性;跨月比较要确认题目版本是否变化。
下一步
- 打开榜单或论文页,确认题集版本、评分脚本与提交日期。
- 把它和你关心的业务任务做对照;找不到对应任务,就自己建 50–100 条内部评测。
- 读 怎么读榜单,把“分数”写成“条件 + 参考价值”。
榜单 / 来源:https://livebench.ai/ · 快照 2026-11-19