#LiveBench

共 3 条 · 7 天 1 条 · 30 天 2 条

AI评测 1 Anthropic 1 Claude Fable 1 DeepSeek 1 GML-5.3 1 GPT-6 1 MMLU 1 V4.1 Flash 1

信息流里打上「LiveBench」标签的资讯、产品与论文，按刊登时间排，新的在上。

10月5日

行业中美对照多源确认21:30

DeepSeek V4.1 Flash 发布后，中美顶尖模型 LiveBench 差距缩至 3%

DeepSeek V4.1 Flash 把和 Anthropic 的跑分差距从 15% 追到只剩 3%，想知道中美模型现在差多少的看这篇。

#DeepSeek #LiveBench #Anthropic #V4.1 Flash

IT之家11 个信源在谈原文

9月19日

模型中美对照多源确认01:39

民间AI排行榜单新鲜出炉，Fable 5.1仅排第三

B站UP主做的这个民间测试很有意思，用各种贴近现实、条件更苛刻的场景测试大模型，看它们能不能真正干活，而不是只看跑分有多好看。

#GPT-6 #GML-5.3 #Claude Fable #MMLU

掘金本周最热@石小石Orz11 个信源在谈原文

6月16日

前沿AI评估的贝叶斯推断与决策审计

这篇论文用贝叶斯方法检查了LiveBench等公共AI评估档案，发现很多宣称有问题，帮你判断哪些基准成绩可信。

#LiveBench #Open LLM Leaderboard #贝叶斯推断 #AI评估审计

arXiv cs.AI@Yanan Long原文