Задачи
Каталог мультимодальных задач для оценки современных LLMs.
Таксономия указывает какие навыки модели проверяет тест
Выбрать модальность
Все задачи
Приватные
{{ name }}
Тестируемые навыки
Все таксоны
{{ skill.title }}
Развернуть список навыков
Свернуть список навыков
Фильтры
Сбросить
Выбрать модальность
{{ name }}
Тестируемые навыки
{{ skill.title }}
Название сета
Top Score | Human Baseline
Метрика
В задачах с двумя и более метриками оценка считается как среднее по всем метрикам
Тестируемые навыки
{{ task.scores.max?.toFixed(3) }}
TS
{{ task.scores.human?.toFixed(3) }}
HB
{{ metric.title }}
{{ skill.title }}
{{ skill.title }}
Ещё {{ task.skills.length - 2 }}
mera@a-ai.ru
GitHub
hugging face