对 Qwen2.5 Coder Instruct 32B 模型进行的独立评估已得出具体的基准分数。该模型在 GPQA 上得分 41.7%,在 MMLU-Pro 上得分 63.5%,在 Humanity's Last Exam 上得分 3.5%,在 LiveCodeBench 上得分 29.5%。这些结果并非由模型创建者自行报告,提供了对其能力的不同视角。 AI
影响 为特定的专注于编码的 LLM 提供了客观的性能数据,帮助开发人员选择模型。
排序理由 开源 LLM 的独立基准测试结果。[lever_c_demoted from research: ic=1 ai=1.0]
在 Mastodon — mastodon.social 阅读 →
- GPQA: A Graduate-Level Google-Proof Q&A Benchmark
- Humanity's Last Exam
- LiveCodeBench
- MMLU-Pro
- Qwen2.5 Coder Instruct 32B
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →