关于 GardenBench 的报道

GardenBench 推出针对大语言模型的日常动态评估机制，意味着行业对模型性能的评估正在从静态的单点击测转向连续的运行时监控。通过追踪日常准确率波动、运行成本与耗时，该工具能够有效捕捉大语言模型在部署后发生的变化。这有助于揭示模型厂商在版本迭代过程中的隐性退化或进步。