SmartScripto Admin

SimpleVQA

SimpleVQA est un benchmark de questions-réponses visuelles créé par Xianfu Cheng et ses coauteurs en 2025. Il se concentre sur des requêtes simples, courtes et ancrées dans des connaissances factuelles, auxquelles les modèles doivent fournir une réponse ouverte concise.

C-Eval

C-Eval est une suite d’évaluation en chinois conçue par Y. Huang et al., au sein de HKUST NLP et avec plusieurs collaborateurs. Elle examine les connaissances disciplinaires et les capacités de raisonnement de modèles de fondation dans un contexte éducatif et professionnel chinois.

BFCL-v3

BFCL-v3 est un benchmark conçu en 2024 par la Gorilla LLM team de l’UC Berkeley pour évaluer les capacités d’appel de fonctions des grands modèles de langage dans des interactions agentiques.

Chinese

MTEB: Chinese est un benchmark communautaire de MTEB / embeddings-benchmark, constitué à partir du sous-ensemble chinois C-MTEB de BAAI/FlagEmbedding. Il évalue la qualité des embeddings de textes en chinois dans plusieurs familles de tâches.

Russian

MTEB: Russian est un benchmark public consacré à la qualité des embeddings textuels en russe. Créé par MTEB / MMTEB à partir de ruMTEB, il regroupe des jeux de données couvrant plusieurs usages, de la classification à la recherche d’information, en passant par le clustering et la…

Global PIQA

Global PIQA est un benchmark multilingue consacré au raisonnement de bon sens sur les interactions physiques. Publié en 2025, il résulte d’un effort participatif dirigé par Tyler A. Chang, Catherine Arnett et plus de 335 chercheurs issus de plus de 65 pays.

Arena-Hard v2

Arena-Hard v2 est un benchmark conçu en 2025 par LMArena, anciennement LMSYS, notamment par Tianle Li et Wei-Lin Chiang. Il rassemble des requêtes utilisateur réelles et difficiles issues de Chatbot Arena et de WildChat-1M.