Advertise here

डोमेन-विशिष्ट: चुकीचे उत्तर

डोमेन-विशिष्ट
चुकीचे उत्तर

डोमेन-विशिष्ट मध्ये कोणत्या AI मॉडेल्सना चुकीचे उत्तर येण्याची शक्यता जास्त आहे ते पाहा, म्हणजे कमकुवत बाजू लवकर ओळखता येतील.

दाखवलेली मॉडेल्स

3

एकूण अपयशे

893

सर्वाधिक प्रभावित मॉडेल

Claude Opus 5 3

अयशस्वी होण्याची कारणे

चुकीचे उत्तर893 उत्तर नाही66 वेळ संपला46 API त्रुटी40 अतिरिक्त फॉरमॅटिंग36 सूचनांचे पालन केले नाही3

श्रेणी

डोमेन-विशिष्ट893 अँटी-एआय युक्त्या519 कोडिंग484 कोडी सोडवणे352 सामान्य ज्ञान315 Samanya Buddhimatta134 संयुक्त128 स्वायत्त एजंट कार्ये128 सूचनांचे पालन117 डेटा पार्सिंग आणि निष्कर्षण93
423/423
क्रमांक मॉडेल कंपनी चुकीचे उत्तर संख्या श्रेणी स्कोअर एकूण खर्च बरोबर चाचण्या प्रतिसाद वेळ (सरासरी)

चुकीचे उत्तर संख्या नुसार शीर्ष मॉडेल्स

चुकीचे उत्तर संख्या वि स्कोअर

प्रतिसाद वेळ (सरासरी) नुसार शीर्ष मॉडेल्स

अंदाजित वाया गेलेला खर्च नुसार शीर्ष मॉडेल्स