TRUEBench 提供了一套全面的指标，用于衡量大型语言模型 (LLM) 在实际工作效率应用中的表现。为了确保评估的真实性，它融合了多种对话场景和多语言条件。

生产力 三星 l truebench truebench基准 2025-09-25 08:00  2