continuous-scoring

这篇来自斯坦福大学、英伟达和加州大学伯克利分校的论文介绍了LLM-as-a-Verifier，一种无需训练的验证框架，利用LLM logits的连续评分来提高编码、机器人和医疗领域的准确性，在多个基准上取得了最先进的结果。

FrontierCode是一个面向编码智能体的全新基准测试，通过人工验证并采用持续评分模型，旨在评估真实世界的性能。