Navers Lab / Einsia：六个评测分别测什么
按任务、评分和证据理解 Einsia 的六个评测，连接完整 Radar 详情与原始发布资料。
Model reports
LLM Abstract Reasoning Benchmark
原始来源英文简介
A suite of abstract-reasoning tasks (IJCAI 2024), several of them text encodings of visual puzzles such as ARC, ACRE and RAVEN, plus PVR and tasks drawn from OpenAI Evals. A text-encoded ARC score is not comparable with a visual ARC score, and the source puzzles are public, so contamination cannot be ruled out.
已收录的评测资料
本站尚未从这条来源记录收录数值成绩。下面的论文、代码或数据入口可用于核对任务与实验结果；这不表示原论文没有实验结果。
从这些资料开始
评测信息与证据
- 来源
- Model reports
- 发布者
- 未收录
- 评测发布日期
- 2023-05-31
- 采集日期
- 未收录
- 模态
- 未收录
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。
报告成绩 0
本来源记录尚未收录数值成绩。这不表示模型得分为零，也不表示该评测没有公开成绩；请查阅原始资料。