Пока пусто
Проверенных результатов ещё нет. Пустая таблица значит, что бенчмарк не проводился, а не что модели не справились. Счётчик обращений к закрытому тесту тоже пока пуст: это «нет данных», а не ноль.
Когда появятся записи, модели проекта будут отделены от внешних заявок.
Что будет в каждой строке
- задача, датасет и фиксированное разбиение;
- версия кода и воспроизводимая конфигурация;
- метрики с неопределённостью и полные записи прогонов;
- происхождение заявки и соответствие правилам.
Сортировка по числу не отменяет различий в протоколах. Перед тем как сравнивать строки, прочитайте правила бенчмарка.