zelk12 commited on
Commit
0436647
·
verified ·
1 Parent(s): d7089de

Update README.md

Browse files
Files changed (1) hide show
  1. README.md +9 -1
README.md CHANGED
@@ -16,6 +16,10 @@ These are just test sets for BenchLocal, the first test set is IFEval-mini, a se
16
  # IFEval-mini
17
  The set was compiled by Gemini 3.8 Flash. I conducted a test on this set, reviewed the results, and read the tasks, indicating what was written incorrectly in the tasks and how some of them could be corrected. The main goal in compiling IFEval tasks was to write tasks that are read strictly unambiguously and composed in such a way as to comply with the validator.
18
 
 
 
 
 
19
  ___
20
  ___
21
 
@@ -25,4 +29,8 @@ ___
25
  Это просто тестовые наборы, для BenchLocal, первый, тестовый набор, это IFEval-mini, набор всего на 90 заданий, на русском, английском, и на смеси двух языков.
26
 
27
  # IFEval-mini
28
- Набор был составлен Gemini 3.8 Flash, я в данном наборе, проводил тест, этого набора, просматривал результаты, и читал задания, указывал, что в заданиях написано не верно, и как некоторые из них можно исправить, основная задача в составлении заданий IFEval, была, такова, чтобы написать задания которые читаются строго односмыслено, и составлены так, чтобы соответсвовать валидатору.
 
 
 
 
 
16
  # IFEval-mini
17
  The set was compiled by Gemini 3.8 Flash. I conducted a test on this set, reviewed the results, and read the tasks, indicating what was written incorrectly in the tasks and how some of them could be corrected. The main goal in compiling IFEval tasks was to write tasks that are read strictly unambiguously and composed in such a way as to comply with the validator.
18
 
19
+ # GPQA-mini
20
+ Gemini 3.8 Flash was compiled entirely, with a very large number of restarts due to site crashes, and some edits.
21
+ While I could still remotely check IFEval-mini, here my check only concerned general things, since I don’t understand the issues that were written.
22
+
23
  ___
24
  ___
25
 
 
29
  Это просто тестовые наборы, для BenchLocal, первый, тестовый набор, это IFEval-mini, набор всего на 90 заданий, на русском, английском, и на смеси двух языков.
30
 
31
  # IFEval-mini
32
+ Набор был составлен Gemini 3.8 Flash, я в данном наборе, проводил тест, этого набора, просматривал результаты, и читал задания, указывал, что в заданиях написано не верно, и как некоторые из них можно исправить, основная задача в составлении заданий IFEval, была, такова, чтобы написать задания которые читаются строго односмыслено, и составлены так, чтобы соответсвовать валидатору.
33
+
34
+ # GPQA-mini
35
+ Полностью составлялся Gemini 3.8 Flash, с очень большим количеством перезапусков, из-за поломок сайта, и внесением некоторых правок.
36
+ Если IFEval-mini я ещё отдалённо мог проверять, то здесь моя проверка касалась только общих вещей, так как я не разбираюсь в тех вопросах которые были написаны.