Hugging Face 上线 LiveCodeBench 排行榜：无数据污染的代码 LLM 综合评测

Hugging Face 推出基于 LiveCodeBench 的排行榜，该基准由 UC Berkeley、MIT 和 Cornell 开发，通过按发布时间窗口评估防止数据污染。它涵盖代码生成、自我修复、执行及测试输出预测四个场景，使用 Pass@1 指标衡量能力。GPT-4-Turbo 在多数场景表现最佳，Claude-3-Opus 则在测试输出预测中超越前者。