跳到正文
热点事件观察中

研究者发布Φ-Bench：测LLM能否开发自身基础设施

1 篇报道1 个报道来源2 天前更新

先了解这件事

AI 综述

研究者发布 Φ-Bench，一个基于真实 LLM 训练与推理代码库构建的基准，含 85 项任务，覆盖九类 LLM 基础设施，任务形式从 kernel 函数补全延伸到长周期实现与仓库级端到端优化，用于评估 LLM 智能体开发与优化支撑自身运行的基础设施的能力。 在八个前沿模型中，表现最强的 Claude Opus 5 仅得 36.53%，且所有模型在长周期仓库级实现上的表现都差于 kernel 级任务。作者称将开源该基准。

AI 根据报道生成 · 1 天前更新

最新进展10月16日 12:00
Φ-Bench：大语言模型能否工程化支撑自身运行的基础设施？

报道时间线

沿着报道，了解事件的不同侧面。

10月16日
  1. arXiv cs.CL
    Φ-Bench：大语言模型能否工程化支撑自身运行的基础设施？

    研究者发布 Φ-Bench，一个基于真实 LLM 训练与推理代码库构建的基准，含 85 项任务，覆盖九类 LLM 基础设施，任务形式从 kernel 函数补全延伸到长周期实现与仓库级端到端优化。在八个前沿模型中，表现最强的 Claude Opus 5 仅得 36.53%，且所有模型在长周期仓库级实现上的表现都差于 kernel 级任务。该基准将开源。

本事件热度走势

可比范围当前
3
可比范围峰值
810月16日 22:00
近 24 小时变化
-51%

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。