Livebench LLM模型的基准测试平台

LiveBench 的设计初衷是解决传统 LLM 基准测试中存在的局限性，如数据污染和主观性问题。它通过以下方式实现这一目标： 限制数据污染：LiveBench 每月发布新的问题集，并基于最近发布的数据集、arXiv 论文、新闻文章和 IMDb 电影简介设计问题，从而确保测试集的时效性和新颖性，减少数据泄露的可能性。 客观评分：所有问题都设有可验证的、客观的“基本真实答案”，评分过程完全自动化，无需依赖其他 LLM 作为评审员，确保评分的准确性和公正性。