LLM 평가 보고서
o1-preview
2025-01-15
2213.28
129
0.305895
3.56098
3.57927
o1-mini
2025-01-15
790.194
129
0.338704
3.67683
3.69512
gpt-4o
2025-01-15
300.15
130
0.311417
3.7378
3.7439
gpt-4o-mini
2025-01-15
220.352
120
0.33288
3.62805
3.67073
claude-3-5-sonnet-20240620
2025-01-15
244.007
109
0.302715
3.61585
3.63415
claude-3-5-sonnet-20241022
2025-01-15
259.896
117
0.315649
3.71341
3.70122
gemini-1.5-pro
2025-01-15
506.304
105
0.333731
3.43293
3.42073
gemini-1.5-flash
2025-01-15
772.863
0
0.271533
0.658537
0.804878
총 응답 시간 (초): 모델이 모든 출력을 생성하는 데 걸린 총 시간입니다.
통과한 테스트 수: 평가 중 모델이 통과한 단위 테스트의 수로, 총 164개의 테스트 중에서입니다.
평균 CodeBLEU: 구문적 및 의미적 정확성을 기반으로 코드 생성 품질을 평가하는 지표인 평균 CodeBLEU 점수입니다.
평균 유용성 점수: LLM 모델에 의해 평가된 모델 출력의 유용성 평균 등급입니다.
0: 스니펫이 전혀 도움이 되지 않으며, 문제와 관련이 없습니다.
1: 스니펫이 약간 도움이 되며, 문제와 관련된 정보를 포함하지만, 처음부터 해결책을 작성하는 것이 더 쉽습니다.
2: 스니펫이 다소 도움이 되며, 상당한 변경이 필요하지만(스니펫의 크기에 비해) 여전히 유용합니다.
3: 스니펫이 도움이 되지만, 문제를 해결하기 위해 약간의 변경이 필요합니다.
4: 스니펫이 매우 도움이 되며, 문제를 해결합니다.
평균 기능적 정확성 점수: LLM 모델에 의해 평가된 모델 출력의 기능적 요구 사항을 얼마나 잘 충족하는지를 평가하는 평균 기능적 정확성 점수입니다.
0 (모든 가능한 테스트 실패): 코드 스니펫이 완전히 잘못되었고 의미가 없습니다.
4 (모든 가능한 테스트 통과): 코드 스니펫이 완전히 정확하며 모든 경우를 처리할 수 있습니다.
Last updated