SpreadsheetBench 2

何を測るか

V2 321 タスクと共通 SWE-agent 条件を固定します。

ランキングでの扱い

出典を調査中です。自動収集・ランキングへの加点はまだ行いません。

比較の限界

統一条件の当期モデルが不足しています。独立した製品や別 scaffold の成績を基礎モデルに帰属させません。

出典・利用条件

公式サイトの MIT 表示。データとコードへの公開入口があります。

SpreadsheetBench / Renmin University / AfterQuery 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。