テクノロジー
Google、最強の思考モデル「Gemini 2.5 Deep Think」をUltra会員向けにリリース：OpenAI o3やGrok 4を上回るパフォーマンスを発揮
Googleが自社のAIモデル群の頂点に立つ「Gemini 2.5 Deep Think」を、ついに一般向けに解放した。驚異的な問題解決能力を誇るこのモデルは、月額249.99ドル（36,400円）の最上位プラン「AI […]
Term
LiveCodeBench
Overview
最終更新: 2026年7月9日大規模言語モデル（LLM）のプログラミング能力を客観的に評価するためのベンチマークプラットフォーム。定期的に新しいコーディング問題を追加・更新することで、モデルが学習データとして問題を記憶している「データ汚染」の影響を排除し、未知の課題に対する純粋な推論・生成能力を測定することを特徴としている。
Mentioned Articles
1 件External Mentions
10 件- arXivDecompRL: Solving Harder Problems by Learning Modular Code Generation
- arXivUnderspecification does not imply Incoherence: The Risks of Semantic Collapse in Coding Models
- arXivDon't Let Gains FADE: Breaking Down Policy Gradient Weights in RL
- arXivProcedural Memory Distillation: Online Reflection for Self-Improving Language Models
- arXivAxDafny: Agentic Verified Code Generation in Dafny
- arXivReinforcement Learning without Ground-Truth Solutions can Improve LLMs
- arXivSakana Fugu Technical Report
- arXivWhen Do Intrinsic Rewards Work for Code Reasoning? A Comprehensive Study
- arXivMulti-LCB: Extending LiveCodeBench to Multiple Programming Languages
- arXivDisplacement Is Not Direction: Evaluating Fidelity Metrics for Quantized LLM Deployment