Benchmark (벤치마크)

AI 모델의 성능을 공정하게 비교하는 표준 시험입니다.

주요 벤치마크

• MMLU: 다분야 지식 평가 (57개 과목)
• HumanEval: 코딩 능력 평가
• GPQA: 대학원 수준 과학 문제
• MATH: 수학 문제 해결
• MT-Bench: 대화 능력 평가
• Arena Elo: 사용자 블라인드 평가 (LMSYS)

한계

벤치마크 점수가 높다고 실제 사용에서 항상 좋은 것은 아님