AI মডেল বেঞ্চমার্ক

মানক: 36 · HF: 22

বেঞ্চমার্ক সম্পর্কে

বেঞ্চমার্ক হলো মানসম্মত পরীক্ষা যা যাচাই করে AI মডেল যুক্তি, জ্ঞান, গণিত ও কোডিংয়ে কতটা ভালো করে। এগুলো দিয়ে মডেল নিরপেক্ষভাবে তুলনা করুন এবং কাজের জন্য সঠিকটি বেছে নিন।

📊 মানক. স্ট্যান্ডার্ড - সর্বাধিক উদ্ধৃত চারটি পাবলিক বেঞ্চমার্ক (MMLU, GPQA, HumanEval, SWE-Bench), প্রতিটি মডেলের ঘোষণা পৃষ্ঠা থেকে নেওয়া; আমাদের স্কোর এগুলোকে একটি সংখ্যায় মেলায়।

🤗 HF Open LLM Leaderboard. HF Open LLM Leaderboard - ওপেন-সোর্স মডেলের জন্য অভিন্নভাবে মাপা ছয়টি টাস্ক (IFEval, BBH, MATH, GPQA, MuSR, MMLU-Pro); গড় অনুযায়ী র‍্যাঙ্কিং।

📊 মানক (MMLU · GPQA · HumanEval · SWE-Bench)🤗 HF Open LLM Leaderboard

📚MMLU

৫৭টি একাডেমিক বিষয়

OpenAI

92.3%

🔬GPQA Diamond

PhD স্তরের বিজ্ঞান প্রশ্ন

OpenAI

77.3%

💻HumanEval

Python কোড জেনারেশন

DeepSeek R1

DeepSeek

92.6%

🔧SWE-Bench

বাস্তব GitHub ইঞ্জিনিয়ারিং কাজ

Claude Opus 4.1

Anthropic

74.5%