Старший

Benchmark

💡 Экзамен для ИИ.

Определение

Стандартизированный тест для измерения производительности AI-моделей в конкретных задачах.

Пример

MMLU (знания), HumanEval (код), SWE-Bench (реальные задачи).

Как говорят вайбкодеры

««По бенчмаркам Qwen почти догнал GPT»»