LiveBench是一个专为大型语言模型（LLMs）设计的基准测试平台，旨在解决测试集污染和客观评估的问题。该平台通过提供一个公正、无污染的环境来评估模型性能，支持用户通过GitHub问题或电子邮件方式提交模型进行评测。LiveBench涵盖了多个维度的评估指标，包括全球平均分、推理平均分、编码平均分、数学平均分、数据分析平均分、语言平均分和综合因子平均分，为模型开发者提供了一个全面评估其模型能力的工具，LiveBench大语言模型基准测试平台官网入口网址