Benchmark Radar 数据库与论文发布

Koutian Wu 等研究者发布了 Benchmark Radar，这是一个面向 AI 基准与评测的动态数据库及搜索引擎。该工具覆盖 LLM 评测、智能体工具使用、编码、推理、安全及领域特定评测等多个维度，旨在帮助研究者定位基准数据集、代码及分数背后的具体设置。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。