LLM 평가 보고서
Last updated
Last updated
o1-preview
2025-04-01
2681.95
134
0.314319
3.64634
3.7378
o1-mini
2025-04-01
959.029
128
0.33127
3.7378
3.79268
gpt-4o
2025-04-01
186.904
120
0.309362
3.73171
3.77439
gpt-4o-mini
2025-04-01
232.511
117
0.328017
3.65854
3.66463
claude-3-5-sonnet-20240620
2025-04-01
512.452
107
0.300656
3.64024
3.56098
claude-3-5-sonnet-20241022
2025-04-01
311.039
112
0.32159
3.68902
3.69512
gemini-1.5-pro
2025-04-01
518.565
99
0.33285
3.48171
3.4939
gemini-1.5-flash
2025-04-01
758.837
0
0.266851
0.829268
1.26829
총 응답 시간 (s): 모델이 모든 출력을 생성하는 데 걸린 총 시간입니다.
통과한 테스트 수: 평가 중 모델이 통과한 단위 테스트의 수로, 총 164개의 테스트 중에서입니다.
평균 : 구문적 및 의미적 정확성을 기반으로 코드 생성 품질을 평가하는 지표인 평균 CodeBLEU 점수입니다.
평균 : 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(스니펫 크기에 비해) 여전히 유용합니다.
3: 스니펫이 도움이 되지만, 문제를 해결하기 위해 약간의 변경이 필요합니다.
4: 스니펫이 매우 도움이 되며, 문제를 해결합니다.
평균 : 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.