产品
Kaggle Benchmarks
Kaggle 平台提供的基准测试托管与运行服务，支持研究者构建、执行和分享模型评估基准
时间轴 (近 90 天)
10月11日
该基准测试使用10篇200到250词的原创短文档，埋入18处异常，共37个评分条目（18脏19净），测试13个模型，每个模型74条prompt
待验证50%
10月11日
该基准测试基于Kaggle Benchmarks平台，每个模型共需回答287道计分题，涵盖数字、动词、翻译、完形填空、纠错五个维度
待验证50%
Kaggle 平台提供的基准测试托管与运行服务，支持研究者构建、执行和分享模型评估基准
该基准测试使用10篇200到250词的原创短文档，埋入18处异常，共37个评分条目（18脏19净），测试13个模型，每个模型74条prompt
该基准测试基于Kaggle Benchmarks平台，每个模型共需回答287道计分题，涵盖数字、动词、翻译、完形填空、纠错五个维度