LMM

问题的根源在于，传统基准是“死”的——一旦发布就固定不变，而模型却在不断进化、不断吞噬更多训练数据。现有的一些“活”基准尝试，要么依赖人工验证，成本高、速度慢；要么使用开放式问题加LLM评判，主观性强、难以规模化。LiveXiv的核心洞察是：ArXiv上每天涌现的最新科学论文，就是取之不尽、用之不竭的“考题矿藏”。关键在于，如何全自动地将这些论文中的图表转化为可靠的、真正需要视觉理解的选择题，同时还要让持续评估的成本可控。