提出 Multi-LCB 基准,将 LiveCodeBench 扩展至 12 种编程语言,用于评估大语言模型的跨语言代码生成能力,揭示了模型在 Python 上的过拟合及多语言性能差异。
机构:Yandex
来源:arXiv 2606.20517 | AI4Papers 论文推荐平台