实体 WebCoderBench

WebCoderBench

PulseAugur coverage of WebCoderBench — every cluster mentioning WebCoderBench 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_178377 · Aug 3 · 04:00

新的 WebCoderBench 基准测试评估 LLM Web 应用生成能力

研究人员推出了 WebCoderBench，这是一个旨在评估大型语言模型 (LLM) 在生成 Web 应用程序方面性能的新基准测试。该基准测试解决了创建真实用户需求以及开发可泛化、可解释的评估指标所面临的挑战。WebCoderBench 包含 1,572 个真实用户需求，并采用跨九个视角的 24 个细粒度指标，结合了基于规则的系统和 LLM-作为裁判的方法进行自动评估。对 12 个 LLM 和 2 个基于 LLM 的代理进行的实验显示…