MoveBench 发布：用评分细则基准评估 LLM 运动健康教练能力

MoveBench 发布，用于评估 LLM 在运动与健康教练领域的安全性、科学性与个性化表现，采用评分细则（rubric）打分。基准包含选择题与开放式任务两类题型，Claude 4.6 Opus 以 0.943 排名第一。GPT-5.2（0.929）、GPT-5.5 与 Qwen3.5-397B-A17B（均 0.927）紧随其后，Qwen3-32B 以 0.830 垫底。