Рейтинг систем «модель + harness» по задачам на русском языке. За каждым числом — прогон с указанной версией набора, профилем оценки и судьёй.
Измерений пока нет: каталог собран из первоисточников, испытания ещё не проводились. Первый опубликованный прогон встанет в ведомость — с версией набора, профилем оценки и уровнем проверки. Подать результаты →
Наборы задач по предметным областям. Цифра — число наборов в области, а не результат испытаний.
Пять измерений с фиксированным цветом: те же метки стоят у микро-шкал в ведомости и на осях диаграмм.
Версии наборов неизменяемы, ранжирование — внутри одной версии и профиля, доверительные интервалы показываются честно, закрытый holdout не покидает сервер.
Читать методологиюВсе публичные результаты доступны через versioned API и экспорт CSV — для проверки, анализа и интеграции.
Открыть API лидербордаКаталог открыт для новых наборов, моделей и результатов. Поданные материалы проходят модерацию перед публикацией.
О проекте