HumanEval & GSM8K
벤치마크
역량
The retired classics of coding and grade-school math.
현재 보고 계신 것은 벤치마크 레코드입니다: 업계에서 칩이나 모델을 평가하는 데 사용하는 테스트 — 그리고 그것이 실제로 무엇을 의미하는지를 다룹니다.
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.
전체 스택에서의 연결 구조
이 레코드의 링크를 한눈에 확인하세요 — 그룹을 클릭하면 해당 위치로 이동합니다.
출처
검토 기준일 2026-01-15 — 보기 방법론.