本站摘要 / arXiv · cs.AI
GardenBench推出含11个测试套件的轻量日常评测基准
作者在摘要中介绍GardenBench，称其含11个测试套件，通过轻量查询记录模型逐日表现、运行成本与时间，并比较不同提供商和版本的准确率与响应特征。
为什么值得关注
该摘要称此基准轻量且低成本，面向消费者与日常任务，为观察模型日常变化提供研究线索。
背景
摘要指出，该研究关注其他基准遗漏的模型逐日性能变化，并记录部署后模型变更或新模型发布带来的准确率波动。
摘要要点
- 摘要称结果通过实时仪表板公开，评测基于通用任务。
收录依据
- 原始标题
- GardenBench: A lightweight, daily evaluation of LLM capabilities
- 发布渠道
- arXiv · cs.AI
- 作者/发布者
- Benedict Cummins-Mburu, Mariana Garcia Mejia, Oscar Heath, Sabrina Kreyzerman, Ellie Murray, Arusan Surendiran, Rohan Alexander
- 来源原始时间
- 2026-10-20T00:00:00-04:00
- 北京时间
- 2026-10-20T12:00+08:00
- 收录时间
- 2026-10-21T08:00+08:00
- 实际读取范围
- 官方摘要和元数据（未读取论文全文）
- 核验记录
- official-abstract-unreviewed
来源中的研究结论、产品能力及数字应以原文为准。来源身份与时间核对不等于本站完成了独立实验验证。
收藏保存在此浏览器。本文未搬运源站全文或图片。