MMLU & MMLU-Pro
ベンチマーク
性能
The default knowledge exam of 2020–24 — now saturated.
これはベンチマークのレコードです。業界がチップやモデルの性能を測定するために使うテストと、そこから実際にわかることを紹介します。
MMLU's 57-subject multiple-choice exam was the standard capability score from GPT-3 (43.9%) to the high-80s frontier plateau; MMLU-Pro hardened it as scores saturated. Its arc is the pattern every benchmark follows: introduced, climbed, saturated, replaced.
スタック全体とのつながり
このレコードのリンク一覧 — グループをクリックするとジャンプします。
関連
出典
レコードのレビュー時点： 2026-01-15 — 表示 調査手法.