범용 성능

MMLU-Pro, LMArena Elo 기반 종합 성능 평가.

…

벤치마크 소개

MMLU-Pro

Massive Multitask Language Understanding Pro — 幅広い知識分野の理解能力を測定

LMArena Elo

LMArena（旧Chatbot Arena）のEloレーティング — ユーザー匿名盲テストによる総合評価