Fabryka.API

This archived record is available only in Polish.

poza zakresem pomiaruHistorical research record

Benchmarki zamknięte

Archived material · captured September 27, 2026

This is a historical document from the former Slayer website. Original dates, names and findings are retained for context. It is not a statement of current capabilities, policy or roadmap. Interactive tools and submissions are not available in this snapshot.

Current research agenda → · Research notes →

Tych benchmarków nie mierzymy — ich zbiory testowe nie są publicznie dostępne, więc nie da się ich odtworzyć ani uczciwie zweryfikować. Listujemy je jawnie. Pomiary publiczne: leaderboard.

Trzy benchmarki bez otwartych danych

czego nie da się zmierzyć i czemu

zamknięty

Polish EQ-Bench

Inteligencja emocjonalna.

Dlaczego nie mierzymy: brak publicznego zbioru pytań: zamknięty leaderboard, zestaw testowy held-out. Nie odtworzymy wyniku.

EQ score · PL · zbiór: niepubliczny

zamknięty

CPTUB

Pragmatyka, implikatury, podchwytliwe pytania.

Dlaczego nie mierzymy: istnieje jako przestrzeń-leaderboard, ale bez pobieralnego datasetu. Nie powtórzymy ewaluacji na równych warunkach.

accuracy · PL · leaderboard

zamknięty

PLCC

Kompetencja kulturowo-językowa.

Dlaczego nie mierzymy: publiczne są jedynie przykłady; pełny zestaw 600 pytań trzymany prywatnie (anty-kontaminacja). Bez całości brak rzetelnego wyniku.

accuracy · PL · leaderboard

Zasada

mierzymy tylko to, co odtwarzalne

Odtwarzalność ponad zasięg

Jeśli nie możemy pobrać zbioru i powtórzyć runu, benchmark nie trafia na tablicę.

Równe warunki

Porównanie ma sens tylko, gdy oba modele przechodzą identyczny, jawny test.

Otwarci na zmianę

Gdy któryś zbiór zostanie udostępniony — przenosimy go na leaderboard i mierzymy.

Masz dostęp do tych danych? Jeśli możesz legalnie udostępnić zbiór testowy lub harness, odezwij się