Benchmarks

KI-Benchmarks messen verschiedene Fähigkeiten: MMLU (Allgemeinwissen), HumanEval (Coding), GSM8K (Mathematik), GPQA (Wissenschaft). Sie ermöglichen den objektiven Vergleich von Modellen, haben aber Limitationen – hohe Benchmark-Scores bedeuten nicht automatisch bessere Praxisleistung.