ARC-C厂商自报 · 越高越好
70.4%
ARC-C benchmark evaluation
成绩出处BBH厂商自报 · 越高越好
84.5%
BBH benchmark evaluation
成绩出处GPQA厂商自报 · 越高越好
49.5%
GPQA benchmark evaluation
成绩出处GSM8k厂商自报 · 越高越好
95.9%
GSM8K benchmark evaluation
成绩出处HellaSwag厂商自报 · 越高越好
85.2%
HellaSwag benchmark evaluation
成绩出处HumanEval厂商自报 · 越高越好
88.4%
HumanEval benchmark evaluation
成绩出处HumanEval+厂商自报 · 越高越好
52.4%
HumanEval+ benchmark evaluation
成绩出处MATH厂商自报 · 越高越好
83.1%
MATH benchmark evaluation
成绩出处MBPP厂商自报 · 越高越好
0.84%
MBPP benchmark evaluation
成绩出处MBPP+厂商自报 · 越高越好
67.2%
MBPP+ benchmark evaluation
成绩出处MMLU厂商自报 · 越高越好
83.3%
MMLU benchmark evaluation
成绩出处MMLU-Pro厂商自报 · 越高越好
69%
MMLU-Pro benchmark evaluation
成绩出处MMLU-Redux厂商自报 · 越高越好
83.9%
MMLU-redux benchmark evaluation
成绩出处MMLU-STEM厂商自报 · 越高越好
80.9%
MMLU-STEM benchmark evaluation
成绩出处MultiPL-E厂商自报 · 越高越好
75.4%
MultiPL-E benchmark evaluation
成绩出处TheoremQA厂商自报 · 越高越好
44.1%
TheoremQA benchmark evaluation
成绩出处TruthfulQA厂商自报 · 越高越好
57.8%
TruthfulQA benchmark evaluation
成绩出处Winogrande厂商自报 · 越高越好
82%
Winogrande benchmark evaluation
成绩出处