General Evaluation
关注
分享
扫一扫
文章平均质量分 88
聚焦AI领域常用的Benchmark
依然易冷
专注LLM+Code，有空就更，欢迎关注，Push我更新。
Bytedancer一枚，从事大模型代码算法行业，可一起交流经验，全平台同名。
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
【复杂指令遵循 Benchmark】论文分享：CodeIF-Bench
论文名称：CodeIF-Bench: Evaluating Instruction-Following Capabilities of Large Language Models in Interactive Code Generation；机构：北航 + 华为云原创 2025-06-05 12:49:09 · 1048 阅读 · 0 评论 -
【复杂指令遵循 Benchmark】论文分享：CodeIF
论文名称：CodeIF: Benchmarking the Instruction-Following Capabilities of Large Language Models for Code Generation；机构：北航 + 清华 + 新加坡国立大学原创 2025-06-03 09:03:58 · 1303 阅读 · 0 评论 -
【Code Agent Benchmark】论文分享：Web Bench
论文名称：Web-Bench: A LLM Code Benchmark Based on Web Standards and Frameworks；机构：字节跳动原创 2025-05-27 09:13:12 · 1346 阅读 · 0 评论 -
【Code Agent Benchmark】论文分享：TAU-Bench
论文名称：τ-bench: A Benchmark for Tool-Agent-User Interaction in Real-World Domains；机构：Sierra原创 2025-05-24 21:49:25 · 2226 阅读 · 0 评论 -
【General Agent Benchmark】论文分享：WorfBench
论文名称：Benchmarking Agentic Workflow Generation；机构：浙大 + 通义原创 2025-05-23 13:38:25 · 650 阅读 · 0 评论 -
【Code Agent Benchmark】论文分享：SWE-bench
论文名称：SWE-bench: Can Language Models Resolve Real-World GitHub Issues?；机构：普林斯顿大学 + OpenAI原创 2025-05-22 10:00:30 · 1901 阅读 · 0 评论 -
【General Agent Benchmark】论文分享：LLF-Bench
论文名称：LLF-Bench: Benchmark for Interactive Learning from Language Feedback；机构：微软原创 2025-05-19 14:39:59 · 1115 阅读 · 0 评论 -
【General Agent Benchmark】论文分享：AgentBench
论文名称：AgentBench: Evaluating LLMs as Agents；机构：清华 ChatGLM 团队原创 2025-05-17 09:20:47 · 1546 阅读 · 0 评论 -
【General Agent Benchmark】论文分享：GAIA
论文名称：GAIA: a benchmark for General AI Assistants；机构：Meta + Huggingface + AutoGPT原创 2025-05-10 06:48:59 · 2122 阅读 · 0 评论