CS-Bench: 计算机科学中评估人工智能的综合基准

CS-Bench，一项全新的双语基准测试，针对计算机科学领域的大型语言模型（LLMs）进行评估。该测试覆盖了26个子领域，对超过30种模型进行了检验。结果显示，计算机科学、数学及编程能力之间存在显著的正相关性。CS-Bench不仅揭示了LLMs在计算机科学领域的改进空间，还有望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。

大型语言模型（LLMs）：指那些能够根据输入生成类似人类文本的人工智能系统。 基准（Benchmark）：衡量性能的标准或参考点。