BigCodeArena：通过代码执行端到端评判代码生成

Hugging Face 推出 BigCodeArena，这是首个通过实际执行来评估代码生成模型的人类参与平台，支持 10 种语言和 8 种执行环境，可实时运行模型生成的代码并投票。平台自 2025 年 2 月上线以来已收集超 14,000 段对话、4,700+ 条偏好投票，覆盖 10 个前沿 LLM，o3-mini 与 o1-mini 在 Elo 排名中稳居第一梯队。