LiveBench 2.0 转向超长真实世界循环评测
bindureddy · x · 2026-07-21
Bindu Reddy 认为，现有 AI benchmark “完全没用”，因为它们无法反映复杂的真实世界场景。
- 他们正在做 LiveBench 2.0，重点评估超长的真实世界循环，而不是狭窄的刷题式任务。
- 这条帖还半开玩笑地说，LiveBench 2.0 会等 Anthropic 发布 Fable 5.1 时一起推出，算是“庆祝新前沿”。
「研究」频道最新
- 社会学家 Harry Collins：LLM 无法发明新语言，做不了前沿科学 — whoamisri · 2026-09-11
- 「Waymo 效应」：AI 正在悄悄让科研协作变少 — JohnHammersley · 2026-09-11
- HF 工程师争论:非生成任务全用因果注意力是在浪费算力 — antoine_chaffin · 2026-09-11
- 智利学者：AI 反馈规模化是医学教育可持续的关键 — julianvarascom · 2026-09-11
- Nature 新研究实现全身器官细胞活动成像,揭示跨器官体级回路 — arjunrajlab · 2026-09-11
- SignNet 1M 手语数据集发布 — ducha_aiki · 2026-09-11