视觉设计 · 论文插图 · 外部收藏

基准测试热图

未记录模型

提示词

横向 16:9 模型 × 基准热度矩阵。列（旋转 45°）："MMLU"、"HumanEval"、"GSM8K"、"MATH"、"BBH"、"ARC-C"、"HellaSwag"、"TruthfulQA"。行（右对齐无衬线字体）："GPT-4o"、"Claude 4.7 Opus"、"Gemini 3 Pro"、"Llama 4 405B"、"Qwen3-Next"、"DeepSeek-V3.1"、"Mistral-3 Large"、"Yi-3 34B"、"Phi-4 14B"、"OLMo-2 7B"。每个格子填充尘土绿松石渐变，颜色深浅反映分数；格子内显示数值（如"72.3"、"88.1"）。每列最佳分数用 1.5px 柔和陶土色描边。右侧垂直色条，标注刻度 "0"、"25"、"50"、"75"、"100" 和标签 "accuracy (%)"。标题："Benchmark comparison across 10 frontier LLMs"。副标题："零次准确率；每个基准的最佳分数以加粗描边标出。评测时间：2026年3月。"

原始生成信息

平台: 未记录
模型显示名: 未记录模型
模型 ID: 未记录
模型证据: unknown
生成时间: 未记录

来源与使用说明

作者: Wuyoscar（整理）
贡献者: wuyoscar/GPT-Image2-Skill
来源: 查看原始来源
Prompt 许可: unspecified
媒体许可: unspecified

收录自 GPT-Image2-Skill（上游提交 05cb1130bba29e0fc028220376280a2e934a8041，案例 No. 85）。上游仓库声明 MIT License，并要求保留图库作者和来源标注；部分案例另有第三方作者/来源，原始素材的单独授权未核实。仓库许可全文见本站项目 docs/third-party/GPT-Image2-Skill-LICENSE.txt。源图库：https://github.com/wuyoscar/GPT-Image2-Skill/blob/05cb1130bba29e0fc028220376280a2e934a8041/skills/gpt-image/references/gallery-research-paper-figures.md