AI 评测与排行榜,分别告诉你什么
分清评测基准、一次评测运行与排行榜,用它们回答各自适合的问题。
OpenCompass Hub
CodeElo,这是一个标准化的竞赛级代码生成基准测试,有效解决了所有这些挑战。CodeElo 基准测试主要基于官方 CodeForces 平台,并尽可能与该平台保持一致。
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。
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。