「ベンチマーク」の検索結果: 5件
モデルの性能を共通の基準で測り、比較するための標準テスト。
57分野の知識を問う、LLMの総合学力を測る代表的ベンチマーク。
200以上の多様なタスクでLLMの能力を多角的に測る大規模ベンチマーク。
コード生成能力を測る代表的ベンチマーク。テスト通過率で評価する。
論文と実装コード、ベンチマーク結果を結びつけて公開するサイト。