证据优先 · 协议敏感
看清口径，再看分数。
逐 benchmark 浏览 baseline、原论文表内最佳、官方榜单领先者与证据。只有评测协议完全一致的结果才允许放在同一排名中。
47benchmarks
58任务
345评测协议
56,014有来源定位的结果行
覆盖情况
22 个 benchmark 有公开数值结果
其余 25 个 benchmark 仍保留可审计的缺口页，不会为了表面完整而估算分数。
有公开数值结果22
无公开数值结果21
访问受限2
无标准数值协议2
四类声明，分开呈现
- Official baseline主办方或 benchmark 论文明确指定。
- Original-table best仅代表同一来源表内最佳。
- Official-board leader限定在同一轮次与榜单快照。
- Strict cross-work SOTA只在所有关键口径可证明一致时成立。
定位结果
从 benchmark 或 task 开始
不可变快照
2026-08-06
文献截止 2026-08-06。后续更新将创建新的日期路径，而不会静默改写本快照。
查看数据接口