विकिप्रोम्प्ट एलएलएम बेंचमार्क का परिचय: लाइव लीडरबोर्ड, रसीदों के साथ

Introducing Wikiprompt LLM Benchmarks: Live Leaderboards, With Receipts

Wikiprompt में अब एक बेंचमार्क अनुभाग है: wikiprompt.org/benchmarks। बड़े भाषा मॉडल और जनरेटिव AI के लिए लाइव लीडरबोर्ड, जिसमें दस क्षेत्र शामिल हैं: टेक्स्ट, वेब डेवलपमेंट, विज़न, टेक्स्ट टू इमेज, इमेज एडिटिंग, टेक्स्ट टू वीडियो, वीडियो एडिटिंग, सर्च, एजेंट और दस्तावेज़। मुफ्त, सात भाषाओं में, और हर दिन अपडेट होता है।

एक और लीडरबोर्ड साइट क्यों?

क्योंकि बेंचमार्क संख्याएँ चुपचाप बदलती हैं। एक मॉडल तीन स्थान ऊपर चढ़ता है, एक स्कोर पुनर्गणना होता है, कल का लीडर चौथे स्थान पर फिसल जाता है, और आमतौर पर कोई रिकॉर्ड नहीं होता कि कुछ बदला है। हम बेंचमार्क को उसी तरह मानते हैं जैसे Wikipedia लेखों को मानता है: हर दिन Wikiprompt रैंकिंग का पूरा स्नैपशॉट संग्रहीत करता है, और पेज पिछले स्नैपशॉट के मुकाबले हाल के बदलाव दिखाता है। इतिहास रिकॉर्ड पर रहता है।

दूसरा कारण स्रोत है। हमारी तालिकाएँ बताती हैं कि हर संख्या कहाँ से आती है, जैसे Wikipedia संदर्भ:

हम कोई स्वामित्व मूल्यांकन नहीं चलाते और हम स्कोर पर संपादकीय टिप्पणी नहीं करते। हम खुले, समुदाय-संचालित डेटा को एकत्र करते हैं, उसे उद्धृत करते हैं, और रसीदें रखते हैं।

क्षेत्र अभी क्या कहते हैं

कुछ वर्तमान लीडर, सीधे आज के स्नैपशॉट से:

ये बदलेंगे। यही बात है: जब वे बदलते हैं, तो आंदोलन Recent changes अनुभाग में दिखाई देता है, गायब होने के बजाय।

यह प्रॉम्प्ट इनसाइक्लोपीडिया से कैसे जुड़ता है

Wikiprompt पहले से ही मॉडल द्वारा टैग किए गए हजारों प्रॉम्प्ट सूचीबद्ध करता है। बेंचमार्क अनुभाग लूप को बंद करता है: देखें कि कौन सा मॉडल किसी क्षेत्र में आगे है, फिर उस मॉडल के लिए वास्तविक प्रॉम्प्ट पर जाएँ और इसे काम में लाएँ। मॉडल गाइड जैसे The Best GPT Image Prompts और the Nano Banana family comparison रैंकिंग के साथ स्थित हैं।

खुला, यहाँ की हर चीज़ की तरह

बेंचमार्क पेज बाकी Wikiprompt के समान सिद्धांतों का पालन करता है: संकलन CC BY-SA है, स्रोत खुले डेटासेट और सार्वजनिक APIs हैं, और पूरा प्रॉम्प्ट कैटलॉग एक फ़ाइल के रूप में डाउनलोड करने योग्य है। यदि आप बेंचमार्क डेटा चाहते हैं, तो हमारे उद्धृत स्रोत एक क्लिक दूर हैं।

वर्तमान स्थिति देखें wikiprompt.org/benchmarks पर। वे अगले सप्ताह अलग दिखेंगे, और आप ठीक से देख पाएँगे कि कैसे।