benchmark_leaderboard
AlpacaEval
גרסה ישנההערכה על ידי מודל אחר
מה הוא מודד
העדפת משתמשים: מה משתמשים העדיפו, לא הוכחה לדיוק · עמידה בהוראות: ביצוע מדויק של דרישות פורמט ואילוצים
מה הוא לא מודד
- העדפת משתמשים אינה מוכיחה נכונות עובדתית או הצלחה במשימה מקצועית.
- הציון נקבע בהערכה על ידי מודל אחר ולכן משקלו מוגבל בתוך היכולת.
הערות רישום
Historical preference benchmark; current recommendations should prefer newer evidence.
תוצאות שנקלטו
אין עדיין רשומות מדד למדד הזה. הוא מופיע ברישום אך אינו משפיע על ציון.
