Nyilvános, szabványosított kiértékelés (eval), amellyel a modelleket egymáshoz mérik — az MI-bejelentésekben szereplő ranglisták.
Miért számít: a benchmark-pontszám azt mutatja, hogy egy modell általában véve képes valamire; a te feladatodról, a te adataidon semmit nem mond. Sose válassz modellt csak benchmark alapján — futtasd le a saját etalonkészletedet.
Kapcsolódó: Kiértékelés (eval)
Több a(z) „A tények pontossága” témában