46Evidence
not yet measuredWhat it measures
Ob ein eingefuegter Satz in einem langen Text wiedergefunden wird.
What it does not measure
Schliessen, Mehrfachbezuege, Textverstaendnis.
Von aktuellen Modellen praktisch immer geloest. Ein gruenes NIAH-Bild sagt heute fast nichts mehr; RULER oder MRCR sind aussagekraeftiger.
How the score is composed
Currency50
Discrimination50
Headroom50
Contamination safety60
Gaming resistance55
Methodological rigor50
Reproducibility60
Details
- Benchmaxxing risk
- medium
- Difficulty
- low
- Public test set
- yes
- Human-verified
- no
- LLM-judged
- no
- Skala
- 0–100 % gefunden (höher besser)
Hand-maintained — no automatic adapter yet.
Best measured models
No results ingested yet.