MoveBench 发布：用评分细则基准评估 LLM 运动健康教练能力
Yitong Li · hf · 2026-10-28
MoveBench 是一个专门评估大语言模型在运动与健康教练领域表现的基准，强调安全性、科学性与个性化三个维度。基准包含选择题与开放式任务两类题型，通过基于评分细则（rubric）的方式打分。
从配图的总体成绩看，Claude 4.6 Opus 以 0.943 排名第一，GPT-5.2（0.929）、GPT-5.5 与 Qwen3.5-397B-A17B（均 0.927）紧随其后；Qwen3-32B（0.830）垫底。分领域看，多数模型在 DA（领域适配）维度得分最高，QA（问答）相对较弱。
「模型」频道最新
- ChatGPT Pro 用量三天后砍半，开发者公开表达不满 — johnlindquist · 2026-10-28
- CritPt v2 物理推理榜：Grok 4.7 仅得 24%，被指落后中国模型 — teortaxesTex · 2026-10-28
- GPT-6.1 Terra 高居 Frontier Code 2.0 榜首，输入价格仅 $1 — bookwormengr · 2026-10-28
- 开发者证实新模型继承 Kimi 部分权重并全量重训 — basedjensen · 2026-10-28
- 只动两个神经元,让 Qwen3-8B 说话像她: Steering 实验公开配方 — dejavucoder · 2026-10-28
- ZCode 每日免费 3 亿 GLM-5.3-Flash token,限时领取攻略流传 — AccBalanced · 2026-10-28