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.