EffiBench-X基准测试揭示LLM代码效率短板

arXiv发布的EffiBench-X成为首个多语言大模型代码生成效率基准。该基准支持Python、Java、C++等六种语言，专门用于量化评估大模型生成代码的运行效率。 测试结果显示，当前先进大模型的代码效率仍低于人类专家。具体而言，Qwen3-32B生成代码的平均效率仅为人类水平的约62%。此外，模型在Python、Ruby等语言上的表现明显优于Java、C++和Golang。 研究指出优化大模型代码效率需求迫切，相关数据集与评估基础设施已公开，为后续改进提供了标准化工具。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。