示例成品 · 平台演示,按左边这组点选真跑出来的
示例:年度基准选型复盘表(示意数据)
| 基准 | 覆盖能力 | 区分度 | 年度平均分 | 留用/替换建议 |
| 基准A | 通用知识、推理 | 0.42 | 78.5 | 留用:区分度稳定,覆盖核心能力 |
| 基准B | 代码生成 | 0.18 | 85.2 | 替换:模型间分差小,区分度不足 |
| 基准C | 多轮对话、对齐 | 0.35 | 72.1 | 留用:对齐覆盖好,补加对抗题 |
| 基准D | 数学推理 | 0.51 | 69.8 | 留用:区分度高,注意难度饱和 |
| 基准E | 安全与幻觉 | 0.12 | 90.4 | 替换:多数模型接近满分,已无区分 |
区分度算法:模型间分差 ÷ 分数波动,数值越高越能拉开模型差距。
年度平均分:全年各次评测得分的算术平均。
复盘结论(示意):建议保留基准A、C、D,替换基准B、E;新增一个安全与幻觉类基准补位。以上结论由评测负责人核对后方可用于正式选型。
点左边「开工 · 直接出成品」,出一份你自己的版本(文字免费)