大模型测试任务

大模型测试任务

这里集中查看阅读理解、逻辑推理、代码能力和知识问答四类任务。每条任务记录模型、题量、难度和当前状态。

未完成的任务可以接着做。已经完成的任务可以打开测试报告,看降智判定和逐题对错。任务只保存在当前浏览器。