Словарь
GDPval
Бенчмарк OpenAI, который оценивает модели на реальных рабочих задачах специалистов десятков профессий из отраслей с наибольшим вкладом в ВВП США. Каждое задание основано на настоящем рабочем результате опытного профессионала: документе, таблице, презентации и т. п. Эксперты вслепую сравнивают результат модели с работой специалиста — в отличие от бенчмарков из экзаменационных вопросов.