Leaderboard
評測榜
我們每週用同一套評測檢查主流模型的六種能力。分數越高,代表這類工作做得越穩。
載入中…
怎麼評的
- 每個模型用同一套評測,涵蓋推理、語意理解、知識、格式與抽取、工具呼叫、查資料六種能力;各項分數是做對的比例(0~100)。
- 查資料這一項是開卷評測:模型可以查資料,答案要附來源。
- 智能路由挑模型時也參考這份分數,分數不夠的模型不會被自動選用。
- 每份分數都標了更新日期;超過 30 天沒更新的以灰色顯示。
我們每週用同一套評測檢查主流模型的六種能力。分數越高,代表這類工作做得越穩。
載入中…