跳到正文

SimpleBench

SimpleBench / 科研 · 用日常常識和邏輯問題,檢驗模型能否識別問題中的實際約束。

官方評測
在 888news 中觀察中
依據預算不參與排序
上游數據時間待核實
最近成功同步尚未開始採集

它測什麼,怎麼測

區分選擇題與開放回答,固定 AVG@5、溫度和提示協議;不把加入榜單日期當逐題評測時間。

如何使用這份依據

候選觀察:新品覆蓋及時,等待官網成績複用邊界與可凍結的資料版本說明;不套用程式碼許可,尚未自動採集或計分。

評測局限與數據署名

日常常識題具有補充價值,但題目代表性與選擇題/開放回答條件均影響解釋。

數據許可:樣題與評測程式碼倉庫 MIT;官網獨立釋出的最新成績指令碼再展示邊界尚未確認。

成績由 SimpleBench 發布,各項原始分數使用不同尺度,不能直接相加;參考名次採用公開的分差標準化規則。