正在加载页面内容
GDPval RubricsAgent
GDPVal-Rubrics 在 GDPVal 基础上增加了详细的评分量规体系。每个任务关联一组可验证的评分标准，支持细粒度的自动化评估和反馈，可用于训练奖励模型或进行细粒度的 Agent 性能诊断。
| # | 模型 | 得分 (%) | 厂商 | 来源 | |
|---|---|---|---|---|---|
| 1 | 80.66 | OpenAI | MiniMax M3 技术报告 | ||
| 2 | 79.8 | Anthropic | MiniMax M3 技术报告 | ||
| 3 | 75.65 | Anthropic | MiniMax M3 技术报告 | ||
| 4 | 74.78 | MiniMax | MiniMax M3 技术报告 | ||
| 5 | 70.32 | 深度求索 | MiniMax M3 技术报告 | ||
| 6 | 68.26 | 智谱AI | MiniMax M3 技术报告 | ||
| 7 | 66.44 | MiniMax | MiniMax M3 技术报告 | ||
| 8 | 65.12 | 月之暗面 | MiniMax M3 技术报告 | ||
| 9 | 57.82 | MiniMax M3 技术报告 |
