Power Users/Automators 折腾/讨论/分享各种开源工具/脚本/自动化工作流👥 @zhetengsha_group📌 合集 https://t.me/zhetengsha/2🎁 恰饭 https://t.me/zhetengsha/957📢 广告投放 @xream @xream_botBuy ads: https://telega.io/c/zhetengshafeedId:55438372655431680+userId:62307599601855488http://telegram.zhetengsha.eu.orghttp://telegram.zhetengsha.eu.org/posts/5132http://telegram.zhetengsha.eu.org/posts/5132Fri, 20 Mar 2026 02:01:46 GMT<div class="image-list-container image-list-odd"> <button type="button" class="image-preview-button image-preview-wrap" popovertarget="modal-5132-0" popovertargetaction="show" aria-label="Open image preview: llm_benchmark: 面向复杂推理与长文本场景的 LLM 中文能力基准项目• 聚焦高难度任务设计，覆盖符号推导、规则归纳、代码阅读、日志分析、长文本总结等多类真实问题，更适合检验模型的综合推理能力• 题目设置强调指令遵循与复杂约束处理，包含生产日志、棋局解读、工具组合、寻路规划等场景，对模型实用性评估更有参考价值• 基于 GitHub 开源发布，适合用于大模型评测、能力对比、提示词测试与中文推理 benchmark 构建"> <img src="/static/https://cdn5.telesco.pe/file/tdBixwYc1GHVpVQ5b2fpa5I4MdN62yhK20ONmRd9jzlJ7SZY9h6vWiTXvYqKu_em26_fR2RfQAC_T0mFbWIwO4u_5U1_mqxpzteXVo3VrSfTKMVo5h4fIC1Qdod-FJD4OX_upwl1wjidy2cKXPNOFPqlly_zu8qN1WFSObxrucPjvjzRj_JZjR-35QWwm61wbEU_PrIklcDO5e2KcDmpZpRs_XsW-OQh0qxV03MRxtL9IscHYyIPlZREjjqh-s-wXCXDPT4eduFTY5KVngiKKl9fNXLoEpHpi2nmFbEQopK_z0Q82Nts6js7Dc0od1kvMU1KdlMv-d9VaGDJve0Wdw.jpg" alt="llm_benchmark: 面向复杂推理与长文本场景的 LLM 中文能力基准项目• 聚焦高难度任务设计，覆盖符号推导、规则归纳、代码阅读、日志分析、长文本总结等多类真实问题，更适合检验模型的综合推理能力• 题目设置强调指令遵循与复杂约束处理，包含生产日志、棋局解读、工具组合、寻路规划等场景，对模型实用性评估更有参考价值• 基于 GitHub 开源发布，适合用于大模型评测、能力对比、提示词测试与中文推理 benchmark 构建" width="800" height="626" loading="eager" /> </button> <div class="modal" id="modal-5132-0" popover="auto" aria-label="Image preview"> <button type="button" class="modal__backdrop" popovertarget="modal-5132-0" popovertargetaction="hide" aria-label="Close image preview"></button> <button type="button" class="modal__close" popovertarget="modal-5132-0" popovertargetaction="hide" aria-label="Close image preview">×</button> <div class="modal__surface"> </div> </div> </div><u>llm_benchmark: 面向复杂推理与长文本场景的 LLM 中文能力基准项目</u><br /><br />• 聚焦高难度任务设计，覆盖符号推导、规则归纳、<mark class="highlight">代码阅读</mark>、日志分析、长文本总结等多类真实问题，更适合检验模型的综合推理能力<br /><br />• 题目设置强调指令遵循与复杂约束处理，包含生产日志、棋局解读、工具组合、寻路规划等场景，对模型实用性评估更有参考价值<br /><br />• 基于 GitHub 开源发布，适合用于大模型评测、能力对比、提示词测试与中文推理 benchmark 构建<br /><br /><a href="https://github.com/llm2014/llm_benchmark" target="_blank" rel="noopener" title="https://github.com/llm2014/llm_benchmark">https://github.com/llm2014/llm_benchmark</a><br /><br /><a href="/search/result?q=%23%E5%A4%A7%E6%A8%A1%E5%9E%8B%E8%AF%84%E6%B5%8B" title="#大模型评测">#大模型评测</a> <a href="/search/result?q=%23%E4%B8%AD%E6%96%87%E5%9F%BA%E5%87%86" title="#中文基准">#中文基准</a> <a href="/search/result?q=%23%E6%8E%A8%E7%90%86%E8%83%BD%E5%8A%9B" title="#推理能力">#推理能力</a> <a href="/search/result?q=%23%E9%95%BF%E6%96%87%E6%9C%AC" title="#长文本">#长文本</a> <a href="/search/result?q=%23%E4%BB%A3%E7%A0%81%E9%98%85%E8%AF%BB" title="#代码阅读">#代码阅读</a> <a href="/search/result?q=%23%E6%97%A5%E5%BF%97%E5%88%86%E6%9E%90" title="#日志分析">#日志分析</a> <a href="/search/result?q=%23GitHub" title="#GitHub">#GitHub</a> <a href="/search/result?q=%23LLM" title="#LLM">#LLM</a> <a href="/search/result?q=%23Benchmark" title="#Benchmark">#Benchmark</a> <a href="/search/result?q=%23AI" title="#AI">#AI</a>