open-r1-eval-leaderboard
רץ בדפדפןopen-r1רישיון לא דווח2025-01-29
לוח תוצאות שמרכז ומדרג ביצועים של מודלי חשיבה גדולים. המקום מיועד למי שרוצה להשוות בין מודלים שונים לפני שבוחרים במה להשתמש.
- —הורדות בחודש
- 88לייקים
מה זה
לא מריצים פה שום מודל ולא שולחים פרומפטים. הממשק מציג טבלה של נתונים שנאספו מראש, עם שורות שמייצגות מודלים ועמודות עם מדדי ביצועים שונים. אפשר לסנן את השמות בעזרת תיבת חיפוש, לבחור שיטת אגרגציה דרך כפתורי רדיו, ולהסתיר או להציג עמודות ספציפיות בעזרת תיבות סימון.
מאחורי הקלעים הקוד פשוט טוען קובץ נתונים לתוך פנדס ומציג אותו ברכיב טבלה של גרדיו. אין כאן מנוע הסקה שרץ בזמן אמת, אלא רק לוח סטטי שמרכז הערכות של מה שמכונה בעולם הקוד הפתוח מודלי חשיבה.
מתאים ל
- בדיקת דירוג מודלים
השוואת ציונים כלליים בין מודלי חשיבה שונים על פי הטבלה המוכנה.
- סינון לפי מבחן ספציפי
בחירת עמודות מסוימות בטבלה כדי לראות מי מוביל במדד שחשוב לכם.
- חיפוש מודל מסוים
איתור מהיר של תוצאות מודל ספציפי בעזרת שורת החיפוש המובנית.
איפה זה נופל
זו טבלת ציונים בלבד, לא מקום לבדוק בו מודלים בעצמכם. אי אפשר לאמת דרך הממשק איך המבחנים הורצו בפועל או אם יש הטיות בנתונים. אם אתם בונים על מודל מסוים לפרויקט שלכם, תצטרכו לבדוק את הביצועים שלו בעצמכם ולא להסתמך רק על המספרים שמופיעים בטבלה הזו.
שאלות
נפוצות
האם זה עולה כסף?
לא, השימוש בעמוד פתוח לכולם ללא עלות בדפדפן. אין צורך להזין פרטי תשלום או לפתוח חשבון כדי לצפות בטבלה. כל המידע נגיש מיד עם הכניסה.
מה קורה עם הנתונים שאני מקליד?
הממשק רק מקבל מילות חיפוש לסינון הטבלה המקומית. אתם לא מעלים קבצים ולא מזינים מידע אישי. שום דבר שאתם מקלידים לא נשמר כפלט או נשלח לאימון.
האם אפשר להריץ את זה מקומית?
כן, הקוד מבוסס על סקריפט פייתון קצר עם גרדיו ופנדס. אפשר להוריד את הקבצים ולהריץ אותם על המחשב שלכם בלי בעיה. כל מה שצריך זה להתקין את הספריות הבסיסיות.
במה זה שונה מהרצת המודלים עצמם?
העמוד הזה מציג רק תוצאות ומספרים שנמדדו בעבר. הוא לא מייצר טקסט, לא עונה על שאלות ולא מפעיל שום מודל בינה מלאכותית ברקע.
איך משתמשים
נכנסים לעמוד והטבלה כבר מולכם, בלי הרשמה ובלי ללחוץ על כפתור הפעלה. אפשר להקליד שם של מודל בחיפוש כדי לסנן תוצאות, או לסמן עמודות שמעניינות אתכם. מאחר שהעמוד רץ על מעבד בסיסי ומציג נתונים מוכנים, התגובות לפילטור מיידיות ואין זמני המתנה או תורים.
הרישיון
היוצרים לא ציינו רישיון בקוד או בהגדרות. בפועל אתם רק קוראים נתונים ציבוריים מהדפדפן ולא מעלים שום מידע משלכם, אבל שימוש חוזר בנתונים האלה לפרויקט מסחרי דורש בירור מול המפרסמים.