डेटा पार्सिंग और निष्कर्षण x गलत उत्तर रैंकिंग

AI BENCHY श्रेणी विफलताएँ

देखें कि डेटा पार्सिंग और निष्कर्षण में किन AI मॉडलों में गलत उत्तर आने की सबसे अधिक संभावना है, ताकि आप कमजोरियाँ जल्दी पहचान सकें।

दिखाए गए मॉडल

कुल विफलताएँ

सबसे अधिक प्रभावित मॉडल

विफलता के कारण

गलत उत्तर19 API त्रुटि6 अतिरिक्त फॉर्मेटिंग2 कोई उत्तर नहीं2 समय समाप्त1

श्रेणियाँ

डोमेन-विशिष्ट182 एंटी-एआई ट्रिक्स165 पहेली समाधान85 निर्देश पालन44 संयुक्त37 कोडिंग28 डेटा पार्सिंग और निष्कर्षण19 Samanya Buddhimatta10 टूल कॉलिंग2

रैंक	मॉडल	कंपनी	गलत उत्तर संख्या	श्रेणी स्कोर	सही परीक्षण	प्रतिक्रिया समय (औसत)
#96	GPT-5.4 Nano none	OpenAI	1	6.5	1/2	1.11s

गलत उत्तर संख्या के अनुसार शीर्ष मॉडल