SmartScripto Admin

Seal-0

Seal-0 est un benchmark public conçu en 2025 par les auteurs de SealQA, Thinh Pham, Nguyen Nguyen, Pratibha Zunjare, Weiyuan Chen, Yu-Min Tseng et Tu Vu. Il évalue les capacités de recherche agentique, notamment l’utilisation d’outils pour retrouver des informations pertinentes.

RefSpatialBench

RefSpatialBench est un benchmark créé par la Beijing Academy of Artificial Intelligence (BAAI) pour évaluer la compréhension des références spatiales et leur ancrage dans des scènes réelles.

Multi-SWE-Bench

Multi-SWE-Bench est un benchmark publié en 2025 par l’équipe Seed de ByteDance, associée à Doubao. Il évalue la capacité des grands modèles de langage à résoudre des problèmes logiciels réels dans plusieurs écosystèmes de programmation, en dépassant le périmètre principalement centré sur…

CountBench

CountBench est un benchmark conçu par Google Research et le Weizmann Institute of Science pour évaluer le comptage d’objets dans des images. Il examine la capacité des modèles à relier le contenu visuel à une compréhension quantitative exprimée en langage.

CMMLU

CMMLU, pour Chinese Massive Multitask Language Understanding, est un benchmark public créé par Haonan Li et ses coauteurs en 2023. Il évalue en chinois les capacités de compréhension, de connaissance et de raisonnement des grands modèles de langage.

Keyword Topic Relevance Classification

Benchable : Keyword Topic Relevance Classification est un benchmark textuel créé par Benchable. Il évalue la capacité d’un modèle d’IA à déterminer si un mot-clé est pertinent par rapport à un thème ou à un sujet donné.

ZebraLogic

ZebraLogic est un cadre d’évaluation conçu par Bill Yuchen Lin et ses coauteurs, dans le cadre de travaux associés à Allen Institute for AI et Google DeepMind. Il évalue le raisonnement logique des grands modèles de langage à partir de puzzles de grille générés depuis des problèmes de…