II-Bench

Name: II-Bench
Creator: 皮都坦率的法夏
Published: 2026-06-11T00:43:01+08:00

AI_Studio2025-11-12 更新2026-06-11 收录

数据链接：

官方服务：

资源简介：

II-Bench

提供机构：

Aider的多语言基准测试基于Exercism的编码练习，包含225个在C++、Go、Java、JavaScript、Python和Rust中的高难度练习，旨在评估LLM在多种编程语言中的代码编辑能力。

AI_Studio2025-09-01 更新70

ZebraLogic 是一个专为评估大型语言模型（LLMs）逻辑推理能力而设计的基准测试集，聚焦于逻辑网格谜题（如著名的“斑马谜题”）。该评估集由 Allen Institute for AI 开发，旨在系统地测试模型在处理复杂约束满足问题（CSPs）时的表现。

AI_Studio2025-08-28 更新60

该数据集包含2024年美国数学邀请赛（AIME）I和II的30道数学竞赛题目，每道题目附有问题陈述、详细解答和答案。

AI_Studio2025-08-28 更新50

SWE-bench Verified是SWE-bench测试集的一个子集，包含500个人工验证的样本，用于测试系统自动解决GitHub问题的能力。

AI_Studio2025-08-28 更新60

ARC-AGI-2 于 2025 年 3 月 24 日发布。ARC-AGI 系列的第二版提高了人工智能的难度，同时保持了对人类来说相对容易的水平。它就像一个指向有用研究方向的指南针，一个测试小样本推理架构的试验场，一个加速 AGI 进程的工具。

AI_Studio2025-08-28 更新50