الرئيسية › معايير الأداء › HumanEval & GSM8K
HumanEval & GSM8K
معيار أداء
القدرة
The retired classics of coding and grade-school math.
أنت تطّلع على سجل معيار قياسي: اختبار تستخدمه الصناعة لقياس الشرائح أو النماذج — وما الذي يكشفه فعلاً.
HumanEval (164 Python functions) and GSM8K (grade-school word problems) measured the 2021–24 climb from barely-working to near-perfect, then saturated — their history is the cleanest record of how fast base capability moved. Successors: LiveCodeBench, SWE-bench, AIME.
كيف يرتبط هذا ببقية المنظومة
روابط هذا السجل في لمحة — انقر على أي مجموعة للانتقال إليها.
ذات صلة
المصادر
السجل مراجَع بتاريخ 2026-01-15 — عرض المنهجية.