示例成品 · 平台演示,按左边这组点选真跑出来的
示例:周度基准通过率汇总表(2025-03-10 至 2025-03-16)
基准 | 本周总题数 | 本周通过数 | 本周通过率 | 上周通过率 | 环比
代码生成基准A | 500 | 410 | 82.0% | 80.5% | +1.9%
数学推理基准B | 300 | 228 | 76.0% | 79.3% | -4.2%
安全对齐基准C | 200 | 186 | 93.0% | 91.5% | +1.6%
长文本理解基准D | 400 | 316 | 79.0% | 78.0% | +1.3%
综合平均 | 1400 | 1140 | 81.4% | 80.6% | +1.0%
说明:通过率 = 通过题数 ÷ 总题数;环比 =(本周通过率 − 上周通过率)÷ 上周通过率。同题多次跑按最后一次结果计。基准B 环比下降,建议抽查错误样例。
点左边「开工 · 直接出成品」,出一份你自己的版本(文字免费)