热点事件持续更新
研究团队推出轻量级LLM每日评测基准GardenBench
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月20日，研究人员推出面向日常通用任务的轻量级大语言模型评测基准 GardenBench。该基准包含 11 个测试套件，用于每日持续评估大语言模型的能力。GardenBench 依托轻量级提示词系统，重点记录模型在准确率、运行成本和耗时三个维度的每日变化，可有效捕捉模型在部署后更新或新版本发布时出现的性能提升与退化。评测结果通过公开的实时看板对外展示，支持用户进行跨供应商及跨版本的横向与纵向对比。
AI 根据报道生成 · 5 小时前更新
最新进展10月20日 12:00
研究团队推出轻量级基准GardenBench，含11个测试套件并设公开看板，每日评估LLM表现。报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv 人工智能GardenBench：用于 LLM 能力的轻量级每日评测基准
研究人员推出面向日常通用任务的轻量级评测基准 GardenBench，包含 11 个测试套件，用于每日评估大语言模型的能力。该基准通过轻量级提示词系统记录模型在准确率、运行成本和耗时上的每日变化，可捕捉部署后更新或新模型发布带来的性能提升与退化。评测结果通过公开的实时看板展示，支持跨供应商和版本对比。
本事件热度走势
当前热度 9·可比范围峰值 10（10月20日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。