korshunov.ai
Русский
Бенчмарк · reasoning

GPQA Diamond

1 результатов 1 моделей
0 0 0 0 0 2026-06-24 30B model · 0 · 2026-06-24
30B model
Хронология
  1. 2026-06-24 30B model 0.0% CALIBER: калибровка уверенности до и после рассуждения в моделях языка