GardenBench基准推出

2026-10-20 12:001 篇报道1 个发布方

发生了什么

arXiv cs.AI推出GardenBench，包含11个测试套件，评估大语言模型（LLM）能力，追踪每日性能、成本与版本变化。通过轻量级查询系统记录模型日常性能变化，并比较不同模型提供者和版本的响应准确性与功能。结果通过公开的实时仪表板发布，为消费者日常任务提供创新、轻量且低成本的基准。

1 篇

发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。

来源关系与证据边界

按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。