可复现性 LLM-DailyDigest 2026-08-30 2026-08-30 约 100 字 预计阅读 1 分钟 可复现性 本主题由提交工具自动创建,可在此补充洞察与资料。 相关消息(按子主题自动聚合) 智能体评测 1 Chronicle:面向 LLM 智能体回归测试的切点回放 09-18 模型评测 1 可复现 LLM 推理基准:序列隔离回归测试协议 10-08 科研评测 1 AI 驱动的科学发现可复现性与分析稳健性评估 10-19 评测基准 1 FlavourBench:以可执行烹饪真值评测前沿语言模型 08-24 评测复现 1 J-Space Skill 提升 DeepSeek V4 Pro 的评测争议 08-20 评测审计 2 LLM 评测结论的可复现性自审计 09-26 共享端点上的黑箱 LLM 评判器存在可靠性失效 09-07