CS-Bench: 计算机科学中评估人工智能的综合基准

CS-Bench，一项新的双语基准测试，评估大型语言模型（LLMs）在计算机科学领域的性能。该基准涵盖了26个子领域，测试了超过30种模型。结果显示，计算机科学、数学和编程能力之间存在显著的正相关关系。CS-Bench揭示了LLMs需要改进的领域，并可能重新定义我们评估人工智能在计算机科学中推理能力的方式。