AXIOMBENCH：代码LLM评测基准发布
热点事件持续更新
AXIOMBENCH：代码LLM评测基准发布
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
研究者 Ruiqi Wang 等人提出基于扰动的框架 AXIOM，并据此构建代码 LLM-as-a-Judge 评测基准 AXIOMBENCH。该框架通过质量约束的语义扰动控制程序质量分布，再经混合质量校准筛选语义多样的程序并简化人工标注。 最终基准包含 1,962 道代码评估题，覆盖多语言，其分数分布比既有基准更均衡。上述方法与效果来自研究者在论文中的表述。
AI 根据报道生成 · 1 小时前更新
最新进展10月16日 12:00
AXIOM：通过约束扰动与校准对代码 LLM-as-a-Judge 进行基准测试报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv cs.SEAXIOM：通过约束扰动与校准对代码 LLM-as-a-Judge 进行基准测试
研究者提出 AXIOM，一个基于扰动的框架，用于构建代码评估基准。它通过质量约束的语义扰动精确控制程序质量分布，再经混合质量校准筛选语义多样的程序并简化人工标注，最终构建出包含 1,962 道代码评估题的多语言基准 AXIOMBENCH，其分数分布更均衡。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。