ifeval

Кожен рядок у списку — це одне запитання з бенчмарку. Галочка або хрестик показують, чи відповідь моделі збіглася з очікуваною; натисніть рядок, щоб прочитати повний запит, очікувану відповідь і те, що насправді видала модель.