מבחן הערכה

MLE-bench

מדד משני · בהסתייגותזיקה מסחרית מוצהרת

מה הוא מודד

מחקר ופיתוח מודלים: ניסויים, אימון ושחזור מחקר · ביצוע משימות מרובות שלבים: ביצוע משימה רב שלבית מקצה לקצה

מה הוא לא מודד

  • אין לגזור ממנו יכולת בתחומים שלא נכללו במשימות שלו.

הערות רישום

Real ML engineering tasks with deterministic grading and human Kaggle baselines. Leaderboard paused new submissions in Apr 2026 while comparability process is improved; treat as supporting/domain-specific.

תוצאות שנקלטו

מערכתציוןפרוטוקולמקור
MiniMax M2.766.6MLE-bench Lite · דיווח של הספקקישור