BriefGPT - AI 论文速递 · 2025-03-06T00:00:00Z Dynamic Benchmarking of Reasoning Capabilities in Large Code Language Models: Challenges Under Data Contamination 💡 原文英文，约100词，阅读约需1分钟。 📝 内容提要 本研究提出了一种新基准测试工具，通过动态生成变体，解决了静态数据集导致的可靠性不足问题，有效评估了代码大语言模型的推理能力，结果显示在数据污染风险下仍能提供一致可靠的评估。 🏷️ 标签 models 代码大语言模型 动态生成 基准测试 推理能力 数据污染 阅读原文 生成长图 分享链接 已复制链接
