RE-Bench

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 על המבחן

7 open-ended ML research engineering environments and 71 human expert attempts. Strong domain signal for ML R&D, not general office work.

תוצאות שנמדדו

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