LiveBench

何を測るか

公式 Global Average を照合用に表示。集計には重複しない個別タスクを使います。

ランキングでの扱い

総合結果の照合用です。構成する個別評価と重複して加点しません。

比較の限界

総合平均は個別能力を薄めます。参加組織 Abacus.AI は Smaug も開発しており、独立した出典で補います。

出典・利用条件

Apache 2.0

LiveBench による成績です。元の点数は尺度が異なるため単純加算せず、固定の基準尺度で比較します。