71Evidence
not yet measuredWhat it measures
Abstraktionsfaehigkeit an Aufgaben, die bewusst nicht im Trainingsmaterial stehen koennen. Der private Testsatz ist der Kern des Verfahrens.
What it does not measure
Wissen, Sprache, Werkzeugnutzung.
Einer der wenigen Benchmarks mit echtem, verwaltetem Geheimtestsatz.
How the score is composed
Currency50
Discrimination50
Headroom50
Contamination safety100
Gaming resistance100
Methodological rigor80
Reproducibility100
Details
- Benchmaxxing risk
- low
- Difficulty
- high
- Public test set
- no
- Human-verified
- yes
- LLM-judged
- no
- Skala
- 0–100 % solved (höher besser)
Hand-maintained — no automatic adapter yet.
Best measured models
No results ingested yet.