होम › Benchmarks › HumanEval & GSM8K
HumanEval & GSM8K
Benchmark
क्षमता
The retired classics of coding and grade-school math.
आप एक benchmark रिकॉर्ड देख रहे हैं: एक परीक्षण जिसे उद्योग chips या models को मापने के लिए उपयोग करता है — और यह वास्तव में क्या बताता है।
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.
यह बाकी स्टैक से कैसे जुड़ता है
इस रिकॉर्ड के लिंक एक नज़र में — किसी समूह पर क्लिक करके उस पर जाएँ।
संबंधित
स्रोत
रिकॉर्ड की समीक्षा की गई 2026-01-15 — देखें पद्धति.