Neurohive 开源 neurohive-bench 基准：12 项可确定性校验任务

neurohive.io 在 GitHub 开源了其自用的模型评测基准 neurohive-bench，包含 12 项可验证的小任务，用于对比本地模型与云端 API 的解题成本。 任务覆盖俄语文本摘要与纠错、代码修复、JSON 解析和定价逻辑等类别，采用确定性规则校验而非 LLM 评审，任务文本均为虚构内容以防模型记忆答案。任何人可用 Python 3.10+（仅用标准库）复跑，支持 OpenAI 兼容 API 与本地模型；代码任务在带超时的子进程中运行，官方建议在容器或 VM 中执行，避免在存有密钥的机器上运行。任务文本、提示词和参考答案以 CC BY 4.0 许可发布，需注明来源 "Neurohive base task set, neurohive.io"。

AI 根据报道生成 · 8 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。