τ³-Banking

何を測るか

standard、v1.0.1、alltools、GPT-5.2 の利用者シミュレータ、pass@1 を固定します。

ランキングでの扱い

比較可能な新しい成績を待っています。欠測の重みを他分野に移しません。

比較の限界

ツール、プロンプト、音声、シミュレータが違う結果を混ぜず、比較可能な元データを待ちます。

出典・利用条件

MIT · Sierra の公式リポジトリに基づく記録。出典の帰属を保持します。

Sierra 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。