修订最多的页面

下面显示从第1条到第50条的共50条结果。

1. 测试集:MMLU​（1个版本）
2. 测试集:SWE-bench Verified​（1个版本）
3. 模型:DeepSeek-R2​（1个版本）
4. 模型:GPT-5.6 Sol​（1个版本）
5. 模型:Qwen3​（1个版本）
6. 测试集:Codeforces Rating​（1个版本）
7. 测试集:GPQA Diamond​（1个版本）
8. 测试集:MMMU​（1个版本）
9. 测试集:SWE-Marathon​（1个版本）
10. 模型:DeepSeek V3.2​（1个版本）
11. 模型:GPT-5 mini/nano​（1个版本）
12. 测试集:AA Intelligence Index​（1个版本）
13. 测试集:CRUXEval​（1个版本）
14. 测试集:GraphWalks​（1个版本）
15. 测试集:MRCR​（1个版本）
16. 测试集:Τ²-Bench​（1个版本）
17. 模型:DeepSeek V4 Flash​（1个版本）
18. 模型:GPT-5​（1个版本）
19. 测试集:AA-Omniscience​（1个版本）
20. 测试集:CursorBench​（1个版本）
21. 测试集:HealthBench​（1个版本）
22. 测试集:MultiPL-E​（1个版本）
23. 测试集:Terminal-Bench​（1个版本）
24. 模型:DeepSeek-V4​（1个版本）
25. 模型:Grok 4.5​（1个版本）
26. 测试集:ACEBench​（1个版本）
27. 测试集:DeepSWE​（1个版本）
28. 测试集:HLE（Humanity's Last Exam）​（1个版本）
29. 测试集:NYT Connections（Extended）​（1个版本）
30. 测试集:Toolathlon​（1个版本）
31. 模型:豆包 2.0-lite​（1个版本）
32. 模型:Grok 4​（1个版本）
33. 测试集:Agent Arena​（1个版本）
34. 测试集:Design Arena​（1个版本）
35. 测试集:HMMT​（1个版本）
36. 测试集:OpenHands Index​（1个版本）
37. 测试集:USAMO​（1个版本）
38. 模型:Doubao Seed 2.0​（1个版本）
39. 模型:Grok 5​（1个版本）
40. 测试集:Aider Polyglot​（1个版本）
41. 测试集:DSBench​（1个版本）
42. 测试集:HumanEval​（1个版本）
43. 测试集:OPQA​（1个版本）
44. 测试集:Vending-Bench​（1个版本）
45. 首页​（1个版本）
46. 模型:Gemini 3.1 Pro​（1个版本）
47. 模型:Kimi K2.6​（1个版本）
48. 测试集:AIME​（1个版本）
49. 测试集:EQ-Bench​（1个版本）
50. 测试集:IMO 2025​（1个版本）