ProgramBench新增Pareto曲线追踪模型进步

评测平台 ProgramBench 近期引入了 Pareto 视图与曲线功能，支持按单个任务实例直观对比不同模型在成本与效果（或交互轮数）之间的权衡关系。除了常规的整体得分，该基准测试还加入了单样本级别的趋势跟踪。数据显示，近两个月内各模型在成本控制与任务表现上均取得了显著进步，反映出当前 AI 模型迭代优化的高效率。

2026-07-27 ~ 2026-07-27 · 3 条相关

• ProgramBench 现在能看模型成本与效果的 Pareto 权衡 — jyangballin · 2026-07-27
• 新 benchmark 加入单样本趋势跟踪，模型两个月内进步很快 — jyangballin · 2026-07-27
• ProgramBench 新增 Pareto 曲线，两个月内模型进步明显 — jyangballin · 2026-07-27