検索

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。

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。

深層学習ブームの火付け役となった、大規模な画像データセット。

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。

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。

物体検出やセグメンテーションの標準として使われる画像データセット。