BenchMark·Hub

热度榜

总热度榜

前 20 · 共 450 项

查看全部榜单
  1. 1
    MMLU-Pro
    66.0
    ▼ 0.1
  2. 2
    HumanEval
    61.5
    ▼ 0.3
  3. 3
    GSM8K
    60.4
    ▲ 0.6
  4. 4
    SWE-bench Verified
    58.9
    ▼ 1.2
  5. 5
    MBPP
    56.1
    ▲ 1.0
  6. 6
    IFEval
    56.1
    ▲ 0.4
  7. 7
    ai2_arc
    54.7
    ▲ 0.4
  8. 8
    MMMU
    54.4
    ▲ 0.2
  9. 9
    MMLU
    51.5
    ▼ 0.1
  10. 10
    Video-MME
    51.4
    ▼ 0.1
  11. 11
    SWE-bench Lite
    49.9
    ▼ 0.1
  12. 12
    fleurs
    48.6
    ▼ 0.1
  13. 13
    GAIA
    46.2
    ▼ 0.6
  14. 14
    GPQA Diamond
    46.0
    ▼ 0.1
  15. 15
    TruthfulQA
    45.6
    ▲ 0.1
  16. 16
    code_contests
    45.6
    ▲ 2.6
  17. 17
    sciq
    45.2
    ▼ 2.9
  18. 18
    SWE-bench
    44.5
    ▼ 0.3
  19. 19
    MMMLU
    44.3
    ▼ 0.0
  20. 20
    LiveCodeBench
    43.0
    ▼ 0.0