Benchmark
JevBench
用于评估System One类推理模型性能的基准测试，衡量大型语言模型推理与规划能力
Timeline (last 90 days)
Oct 3
Winnow 是 JevBench 基准测试中排名第一的开源 System One 模型
Unverified50%
Sep 22
已出现名为 JevBench 的基准测试，专门用于比较 Jev 级决策模型
Unverified50%
用于评估System One类推理模型性能的基准测试，衡量大型语言模型推理与规划能力
Winnow 是 JevBench 基准测试中排名第一的开源 System One 模型
已出现名为 JevBench 的基准测试，专门用于比较 Jev 级决策模型