أخيراً معيار يهمّ فعلاً. انسَ MMLU ودرجات الرياضيات.. PinchBench يختبر أي نموذج ذكاء اصطناعي هو الأفضل في إنجاز العمل الحقيقي. لا الإجابة على أسئلة ثقافية عامة. بل إنجاز الأشياء فعلياً:

قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.