SmartScripto Admin

EBR-bench

Epoch: EBR-bench est un benchmark créé par Epoch pour évaluer les performances de modèles d’intelligence artificielle selon un protocole commun. Il fournit un cadre standardisé permettant de comparer leurs résultats sur les tâches couvertes par cette évaluation.

Graphwalks parents >128k

Graphwalks parents >128k est un benchmark de raisonnement sur des graphes créé par OpenAI en 2025. Il évalue la capacité des modèles de langage à exploiter un contexte dépassant 128 000 tokens pour retrouver les nœuds parents dans des graphes encodés sous forme de hash hexadécimaux.

ComplexFuncBench

ComplexFuncBench est un benchmark conçu en 2025 par Zhipu AI et l’Université Tsinghua (THUDM) pour évaluer la gestion d’appels de fonctions complexes par les grands modèles de langage.

Bird-SQL (dev)

Bird-SQL (dev) est le split de développement de BIRD, un benchmark public créé par Jinyang Li et al. au sein de la BIRD team. Il évalue la génération de requêtes SQL à partir de questions formulées en anglais, dans des scénarios fondés sur des bases de données réalistes, aux schémas…

HealthBench

HealthBench est un benchmark créé par OpenAI en 2025 pour évaluer les modèles de langage dans des situations liées à la santé. Il repose sur des conversations médicales multi-tours, auxquelles les modèles produisent des réponses ensuite examinées selon des rubriques détaillées.

OpenAI-MRCR: 2 needle 128k

OpenAI-MRCR: 2 needle 128k est un benchmark créé par OpenAI pour évaluer la compréhension en contexte long. Il place plusieurs « aiguilles » identiques dans une conversation synthétique à plusieurs tours, puis demande au modèle de retrouver une occurrence précise d’une requête répétée.

LiveCodeBench v5

LiveCodeBench v5 est un benchmark public conçu en 2025 par l’équipe LiveCodeBench, issue de l’UC Berkeley, du MIT et de Cornell, avec Naman Jain et ses collaborateurs. Il propose une évaluation globale des grands modèles de langage spécialisés dans le code.