LLM 평가 보고서
o1-preview
2024-12-30
2409.9
132
0.323628
3.61585
3.60976
o1-mini
2024-12-30
833.071
127
0.334908
3.72561
3.80488
gpt-4o
2024-12-30
225.91
124
0.320791
3.67683
3.70732
gpt-4o-mini
2024-12-30
216.115
116
0.329899
3.59756
3.62195
claude-3-5-sonnet-20240620
2024-12-30
610.517
115
0.297904
3.62195
3.64634
claude-3-5-sonnet-20241022
2024-12-30
263.437
107
0.32699
3.62195
3.62805
gemini-1.5-pro
2024-12-30
528.55
103
0.33468
3.4878
3.42073
gemini-1.5-flash
2024-12-30
755.996
1
0.263544
0.743902
0.695122
총 응답 시간 (초): 모델이 모든 출력을 생성하는 데 걸린 총 시간.
통과한 테스트 수: 평가 중 모델이 통과한 단위 테스트의 수, 총 164개의 테스트 중.
평균 CodeBLEU: 구문 및 의미적 정확성을 기반으로 코드 생성 품질을 평가하는 지표인 평균 CodeBLEU 점수.
평균 유용성 점수: LLM 모델이 평가한 모델 출력의 유용성 평균 점수.
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: 모델 출력의 기능적 정확성 평균 점수로, 출력이 기능적 요구 사항을 얼마나 잘 충족하는지를 평가하며 LLM 모델이 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