1 gawain
Ang bawat row sa ibaba ay isang benchmark na gawain na sinuri ang modelong ito. Ina-average ng column na Score ang bawat metric na iniuulat ng gawain (katumpakan, F1, exact-match, atbp.). I-click ang isang row para i-browse ang mga indibidwal na tanong at mga tugon ng modelo.
