מבחן הערכה

PaperBench

מדד משני · בהסתייגותהערכה על ידי מודל אחרזיקה מסחרית מוצהרת

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 רישום

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

תוצאות שנקלטו

אין עדיין רשומות מדד למדד הזה. הוא מופיע ברישום אך אינו משפיע על ציון.