LLM 평가 보고서
gpt-5
2025-10-01
2864.33
161
0.307856
3.84756
3.84756
gpt-5-mini
2025-10-01
2529.73
160
0.309437
3.88415
3.92073
gpt-5-nano
2025-10-01
1681.91
152
0.305554
3.82927
3.85366
gpt-4.1
2025-10-01
252.895
156
0.337819
3.89634
3.92073
claude-opus-4-1-20250805
2025-10-01
761.552
161
0.35051
3.87195
3.92683
claude-opus-4-20250514
2025-10-01
705.543
159
0.347384
3.86585
3.93293
claude-sonnet-4-5-20250929
2025-10-01
632.707
162
0.335302
3.95122
3.96341
claude-sonnet-4-20250514
2025-10-01
578.039
161
0.321841
3.90854
3.95732
gemini-2.5-pro
2025-10-01
3375.77
141
0.365963
3.82927
3.90244
gemini-2.5-flash
2025-10-01
1324.6
151
0.331303
3.84756
3.92683
총 응답 시간 (초): 모델이 모든 출력을 생성하는 데 걸린 총 시간입니다.
통과한 테스트 수: 평가 중 모델이 통과한 단위 테스트 수, 총 164개의 테스트 중.
평균 CodeBLEU: 구문적 및 의미적 정확성을 기반으로 코드 생성 품질을 평가하는 메트릭인 평균 CodeBLEU 점수입니다.
평균 유용성 점수: LLM 모델에 의해 평가된 모델 출력의 유용성 평균 점수입니다.
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 여전히 유용합니다.
3: 스니펫이 도움이 되지만 문제를 해결하기 위해 약간의 변경이 필요합니다.
4: 스니펫이 매우 유용하며 문제를 해결합니다.
평균 기능적 정확성 점수: LLM 모델에 의해 평가된 모델 출력의 기능적 정확성 평균 점수로, 출력이 기능적 요구 사항을 얼마나 잘 충족하는지를 평가합니다.
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