ModelChorusModelChorus
SfidëBisedëKlasifikimiRrëshqitTestimeHistoria
Si funksiononAPIKushtet e ShërbimitPolitika e Privatësisë

E drejta e autorit 2026 MeetKai Inc.

Testime/GPT-5 Nano/Urdu (Pakistan) detyra

GPT-5 Nano

8 detyra

Çdo rresht më poshtë është një detyrë vlerësimi që ky model ka kryer. Kolona Pikët mesatarizon çdo metrikë që detyra raporton (saktësi, F1, përputhje e plotë, etj.). Klikoni një rresht për të shfletuar pyetjet individuale dhe përgjigjet e modelit.

Mesatare
59.5
PikëtGjuhaDetyraMetrikat
89.2Urdu (Pakistan)
urdu_uquad
urdu qa
llm_judge_score: 89.2sample_len: 139.0
llm_judge_score: 89.2sample_len: 139.0
77.4Urdu (Pakistan)
urdu_bingcheck
urdu claim
f1_macro: 77.4sample_len: 102.0
f1_macro: 77.4sample_len: 102.0
75.2Urdu (Pakistan)
urdu_freshqa
urdu qa
llm_judge_score: 75.2sample_len: 323.0
llm_judge_score: 75.2sample_len: 323.0
65.3Urdu (Pakistan)
urdu_factcheckbench
urdu claim
f1_macro: 65.3sample_len: 387.0
f1_macro: 65.3sample_len: 387.0
61.6Urdu (Pakistan)
urdu_facttool_qa
urdu claim
f1_macro: 61.6sample_len: 160.0
f1_macro: 61.6sample_len: 160.0
57.6Urdu (Pakistan)
urdu_fake_news
urdu classification
f1_macro: 57.6sample_len: 300.0
f1_macro: 57.6sample_len: 300.0
28.5Urdu (Pakistan)
urdu_emotion_class
urdu classification
f1_macro: 28.5sample_len: 200.0
f1_macro: 28.5sample_len: 200.0
21.0Urdu (Pakistan)
urdu_simpleqa
urdu qa
llm_judge_score: 21.0sample_len: 200.0
llm_judge_score: 21.0sample_len: 200.0