LMArena 开源 ArenaWebdevPreferences 与 ArenaWebdevCorrectness 两个网页开发数据集
LMArena 这波开源对做前端生成模型评测的人挺有用：6,390 对真人偏好标注加 189 个游戏版本的功能验证数据，拿去就能给自己的模型跑对比测试，比只看 pass@k 这种自动指标靠谱。写论文或搞评测基座的团队可以直接下。
#ArenaWebdevCorrectness
共 1 条 · 7 天 1 条 · 30 天 1 条
信息流里打上「ArenaWebdevCorrectness」标签的资讯、产品与论文，按刊登时间排，新的在上。
11月13日
