实体 FlavourBench

FlavourBench

PulseAugur coverage of FlavourBench — every cluster mentioning FlavourBench across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_215864 · Aug 24 · 04:00

FlavourBench 基准测试使用烹饪任务将 Grok 4.6 排名最高

研究人员推出了 FlavourBench，这是一个使用可执行烹饪数据评估大型语言模型的新型基准。该系统为涉及食材替换、搭配和约束组合的任务提供了密集、可验证的事实。在评估中，Grok 4.6 在 27 个前沿模型中得分最高，351 个模型对中有 101 个显示出统计学上的显著差异。