Artificial Analysis AI বুদ্ধিমত্তা ইনডেক্স v4.3 তে ১০টি মূল্যাঙ্কন রয়েছে: AA-Briefcase, GDPval-AA v2, Automation Bench-AA, Terminal-Bench 4.0, Sci Code, Humanity's Last Exam, GDP.pdf, Crit Pt, AA-Omniscience, AA-LCR v1.1। প্রতিটি মূল্যাঙ্কন এবং আমরা কীভাবে চালাই তার বিস্তারিত জানার জন্য Intelligence Index পদ্ধতি দেখুন।

মডেলের ওজন কি উপলব্ধ আছে তা সূচিত করে। মডেলগুলিকে "কমার্শিয়াল ইউজ রিস্ট্রিক্টেড" বলা হয় যদি বাণিজ্যিক ব্যবহার শর্তের অধীনে制度化 হয়, এবং "নন-কমার্শিয়াল" বলা হয় যদি লাইসেন্স বাণিজ্যিক ব্যবহারকে নিষিদ্ধ করে।

ক্ষমতা ইনডেক্স মডেলকে নির্দিষ্ট ক্ষমতা ও শিল্পের উপর মডেলের পারফরম্যান্স মাপে।

বুদ্ধিমত্তা মূল্যাঙ্কনগুলি Artificial Analysis দ্বারা স্বতন্ত্রভাবে মাপা হয় · বেশি মান ভালো।

এজেন্টিক কোডিং ও টার্মিনাল ব্যবহার পেশাদার নথি রিজনিং সব পাস মেডিকেল লম্বা সংজ্ঞা রিজনিং যদি মডেলের বুদ্ধিমত্তা সাধারণত ব্যবহারের ক্ষেত্রে প্রসারিত হয়, নির্দিষ্ট মূল্যাঙ্কনগুলি কিছু ব্যবহারের জন্য বেশি প্রাসঙ্গিক হতে পারে।

AA-Briefcase Elo একটি সমন্বিত মেট্রিক যা রুব্রিক পাস রেট, অ্যানালিটিক্যাল গুণগত মান Elo এবং প্রেজেন্টেশন Elo একত্র করে। Elo এবং ৯৫% নিশ্চয়তা সীমা সীমাগুলি ০ তে ক্ল্যাপ করা হয়েছে।

AA-Omniscience ইনডেক্স (যত বেশি, তত ভালো) জ্ঞানের বিশ্বস্ততা ও হ্যালুসিনেশন মাপে। এটি সঠিক উত্তরগুলিকে পুরস্থাপন করে, হ্যালুসিনেশনকে দণ্ডিত করে, এবং উত্তর দেওয়ার এমন ক্ষতি দেওয়া হয় না। স্কোরগুলি -১০০ থেকে ১০০ পর্যন্ত রয়েছে।

কী এন্টিটি: কোম্পানিগুলি: Artificial Analysis