AI EVALUATION, IN CONTEXT.BY EQUALITY MACHINE

LLM Stats

PostTrainBench

PostTrainBench evaluates a model's ability to autonomously post-train base models. Given pretrain-only base models, the agent must complete the full pipeline of data synthesis, training, evaluation, and iteration within a time budget, scored across downstream benchmarks such as AIME2025, BFCL, GPQA Main, GSM8K, and HumanEval.

评测信息与证据

来源
LLM Stats
发布者
未收录
评测发布日期
未收录
采集日期
2026-08-17
模态
text

本站保留来源报告的结果,不代表独立复测。请先核对任务版本、评测协议、分数单位和报告日期;不同运行条件不能直接合并为统一排名。

原始资料

报告成绩 6

按来源中的观察顺序展示,顺序不代表排名。日期保留原始精度。

模型数值单位协议报告日期与口径来源
GLM-5.30.398未收录未收录2026-08-14 · model_announcementLLM Stats
MiniMax M30.371未收录未收录2026-06-01 · model_announcementLLM Stats
Kimi K30.366未收录未收录2026-07-16 · model_announcementLLM Stats
GLM-5.20.343未收录未收录2026-06-16 · model_announcementLLM Stats
Seed 2.1 Turbo0.183未收录未收录2026-06-24 · model_announcementLLM Stats
Seed 2.1 Pro0.165未收录未收录2026-06-24 · model_announcementLLM Stats