/

← All benchmarks

MMLU-Pro

knowledge · broad-academic↗ Quelle

50Evidence

not yet measured

What it measures

Breites Fachwissen mit zehn Antwortoptionen statt vier und bereinigten Fragen — die Nachfolge fuer das ausgereizte MMLU.

What it does not measure

Anwendung, Werkzeugnutzung, Codearbeit.

How the score is composed

Currency50

Discrimination50

Headroom50

Contamination safety33

Gaming resistance55

Methodological rigor100

Reproducibility60

Details

Benchmaxxing risk: medium
Difficulty: medium
Public test set: yes
Human-verified: yes
LLM-judged: no
Sample size: 12032
Skala: 0–100 % correct (höher besser)

Best measured models

No results ingested yet.