ARC-C厂商自报 · 越高越好
67.3%
ARC-C benchmark evaluation
成绩出处BBH厂商自报 · 越高越好
78.2%
BBH benchmark evaluation
成绩出处GPQA厂商自报 · 越高越好
45.5%
GPQA benchmark evaluation
成绩出处GSM8k厂商自报 · 越高越好
94.8%
GSM8K benchmark evaluation
成绩出处HumanEval厂商自报 · 越高越好
83.5%
HumanEval benchmark evaluation
成绩出处HumanEval+厂商自报 · 越高越好
51.2%
HumanEval+ benchmark evaluation
成绩出处MATH厂商自报 · 越高越好
80%
MATH benchmark evaluation
成绩出处MBPP厂商自报 · 越高越好
0.82%
MBPP benchmark evaluation
成绩出处MBPP+厂商自报 · 越高越好
63.2%
MBPP+ benchmark evaluation
成绩出处MMLU厂商自报 · 越高越好
79.7%
MMLU benchmark evaluation
成绩出处MMLU-Pro厂商自报 · 越高越好
63.7%
MMLU-Pro benchmark evaluation
成绩出处MMLU-Redux厂商自报 · 越高越好
80%
MMLU-redux benchmark evaluation
成绩出处MMLU-STEM厂商自报 · 越高越好
76.4%
MMLU-STEM benchmark evaluation
成绩出处MultiPL-E厂商自报 · 越高越好
72.8%
MultiPL-E benchmark evaluation
成绩出处TheoremQA厂商自报 · 越高越好
43%
TheoremQA benchmark evaluation
成绩出处TruthfulQA厂商自报 · 越高越好
58.4%
TruthfulQA benchmark evaluation
成绩出处
