微信公众号
关闭MMLU、GSM8K、LiveCodeBench：名字相同，题可能不同
互动数据需从 wechatDownload 导出导入
- 公众号
- 模型前线
- 发布时间
- 检索词
- 模型评测 benchmark 独立复现
- 原文
- 原文链接待收录（不可用搜索页代替）
子集、版本、中文翻译和泄漏检查，每一项都能让分数跳动。写复现报告的第一页应该是数据集指纹，而不是柱状图。
原文链接待收录
本篇暂无已验证的微信公众号直链。请通过 wechatDownload 导出或扫描数据补全链接；勿使用搜狗搜索页作为「打开原文」。