跳到主要内容Skip to main content

Models · Evals

LiveCodeBench

持续更新的代码生成

测什么持续更新的代码生成
任务与数据从竞赛平台收集新题,按时间切分
指标pass@1
污染风险按发布时间切分,专门用来降低训练集污染;仍要看题源与切分日。
复现记录题目版本、时间窗口、执行环境与 pass@1 设置。
成本低到中
快照日2026-11-19
核验日2026-11-19

怎么读

比固定题集更能反映新题上的泛化,但题源偏竞赛风格。

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://livecodebench.github.io/ · 快照 2026-11-19