← Torna alla ricerca
Tema di ricerca
Hub dei benchmark
Indice circoscritto dei benchmark su linguaggio, memoria, ragionamento, speech, set blind e holdout, reload, candidate e test end-to-end.
Come leggere i risultati
Metriche provenienti da dataset, input, gate e fasi differenti non vengono combinate in uno score globale. Ogni risultato conserva status e limitazioni.
Test strutturati e oracle
Significati controllati ed evidenze oracle isolano componenti, ma non dimostrano comportamento da testo libero o risposta completa.
Test blind, holdout e reload
Set blind e holdout affrontano la leakage entro il disegno registrato. I reload riguardano soltanto identità o comportamento effettivamente ripetuti.
Confronti fra candidate
Il miglioramento rispetto alla baseline resta evidenza di candidata finché la promozione non è documentata separatamente.