PaperBench

מה הוא מודד

מחקר ופיתוח מודלים: ניסויים, אימון ושחזור מחקר · מסמכים ארוכים: עבודה על הקשרים ארוכים וריבוי מסמכים · ביצוע משימות מרובות שלבים: ביצוע משימה רב שלבית מקצה לקצה

מה הוא לא מודד

• אין לגזור ממנו יכולת בתחומים שלא נכללו במשימות שלו.
• הציון נקבע בהערכה על ידי מודל אחר ולכן משקלו מוגבל בתוך היכולת.

הערות על המבחן

8,316 gradable rubric items across 20 research-replication tasks; judge-based and vendor-created, therefore judge cap + disclosure apply.

תוצאות שנמדדו

אין עדיין תוצאות למבחן ההערכה הזה. הוא מופיע במאגר אך אינו משפיע על הציון.