GardenBench：一个轻量级的每日LLM能力评估 GardenBench是一个轻量级的基准测试，旨在提供每日的LLM性能评估，捕捉准确性、效率和成本方面的微妙变化，弥补传统基准测试的滞后性。 2026-10-20 AI & Machine Learning 0 Administrator
Show HN: Parsimony – 一个开源基准，衡量AI模型添加的代码量 Parsimony是一个开源基准，用于衡量AI模型添加的代码量，关注代码质量和可维护性，而非传统的解决率或输出量。 2026-10-14 AI & Machine Learning 0 Administrator
Show HN：Parsimony——一个开源基准，用于衡量AI模型添加的代码量 Parsimony是一个开源基准，用于衡量AI模型添加的代码量，关注AI生成代码的精简度，弥补了传统基准在代码膨胀方面的不足。 2026-10-14 AI & Machine Learning 0 Administrator