Топ LLM для задач text‑to‑SQL: результаты теста DeepSeek R1-0528, Gemini 2.5 Pro, o3 (и ещё трёх моделей) +9
Публикации с тегом бенчмарк
Современные подходы «из текста в SQL»: RAG, CoT и другие хитрости +8
Нельзя просто так взять и выбрать Any() или Count для проверки коллекции +32
SLAVA — бенчмарк социально‑политического ландшафта и ценностного анализа +4
Как провести бенчмарк кластера Camunda 8 +2
В PostgreSQL необходим официальный бенчмарк для функции uuidv7() +4
Модель o3 от OpenAI показала результат 75,7% в бенчмарке ARC-AGI-Pub +6
Как и зачем мы замеряли знания культурного кода у YandexGPT +17
Понимают ли большие языковые модели данные из таблиц? +23
Новый взгляд на оценку русскоязычных моделей: обновлённый бенчмарк ruMTEB и лидерборд +11
Шаблон unit-тестов на Go
ruMTEB: новый бенчмарк для русскоязычных эмбеддеров
msgspec. Библиотека для сериализации и десериализации чего угодно
LLM Leaderboard за май 2024
LLM Leaderboard за апрель 2024
