Benchmark health

Catalog discovery, scraper implementation, admission, and rank eligibility are separate stages. This page reports each without turning missing publication into a claim that a benchmark is dead.

ما يمكننا الإجابة عنه اليوم

لا يعني عدم التوفّر أن المقياس قد انتهى. المقصود أنه لا يوجد حاليًا تدفّق بيانات صالح يدعم ترتيبًا عامًا، لذلك تلتزم EvalRank بالامتناع عن النشر بدلًا من تقديم إجابة ضعيفة. واستعادة المصادر والعمل على أدوات الجمع قد يغيّر ذلك.

كل بطاقة تمثّل نوعًا من العمل الذي يستخدم فيه الناس الذكاء الاصطناعي. افتح إحداها لترى كيف تتمايز الخيارات.

الأدلة محدّثة حتى قبل 5 دقائق

13 نوع عمل آخر لم يُرتَّب بعدإظهار

يفهم EvalRank هذه الأسئلة، لكنه لا يملك بعد ما يكفي من الأدلة المستقلة لترتيبها. وقد أُدرجت هنا لتظهر الفجوات بوضوح.

  • Function and tool calling

    غير مُرتَّب

    Emit correct schema-valid tool calls

    تم الوصول إلى: في الفهرس

    0 مُنفَّذ · 0 مقبول · 0 مؤهل للترتيب

  • Web browsing and navigation

    غير مُرتَّب

    Retrieve and act on live web content

    تم الوصول إلى: في الفهرس

    0 مُنفَّذ · 0 مقبول · 0 مؤهل للترتيب

  • Computer use

    غير مُرتَّب

    Operate a graphical interface to complete a task

    تم الوصول إلى: في الفهرس

    0 مُنفَّذ · 0 مقبول · 0 مؤهل للترتيب

  • Deep research

    غير مُرتَّب

    Synthesize multiple sources with traceable citations

    تم الوصول إلى: في الفهرس

    0 مُنفَّذ · 0 مقبول · 0 مؤهل للترتيب

  • Customer support agent

    غير مُرتَّب

    Resolve user support issues end to end

    تم الوصول إلى: في الفهرس

    0 مُنفَّذ · 0 مقبول · 0 مؤهل للترتيب

  • Mathematical reasoning

    غير مُرتَّب

    Solve quantitative or symbolic problems

    تم الوصول إلى: في الفهرس

    0 مُنفَّذ · 0 مقبول · 0 مؤهل للترتيب

  • Long-term memory

    غير مُرتَّب

    Persist and recall useful information across sessions

    تم الوصول إلى: في الفهرس

    0 مُنفَّذ · 0 مقبول · 0 مؤهل للترتيب

  • Finance

    غير مُرتَّب

    Perform domain-grounded financial reasoning and workflows

    تم الوصول إلى: في الفهرس

    0 مُنفَّذ · 0 مقبول · 0 مؤهل للترتيب

  • Legal

    غير مُرتَّب

    Perform domain-grounded legal reasoning and drafting

    تم الوصول إلى: في الفهرس

    0 مُنفَّذ · 0 مقبول · 0 مؤهل للترتيب

  • Medical

    غير مُرتَّب

    Perform domain-grounded clinical reasoning and question answering

    تم الوصول إلى: في الفهرس

    0 مُنفَّذ · 0 مقبول · 0 مؤهل للترتيب

  • SRE incident response

    غير مُرتَّب

    Diagnose and repair live service or infrastructure incidents

    تم الوصول إلى: في الفهرس

    0 مُنفَّذ · 0 مقبول · 0 مؤهل للترتيب

  • Professional deliverables

    غير مُرتَّب

    Create review-ready professional work products from a complete brief, domain context, and reference files.

    تم الوصول إلى: في الفهرس

    0 مُنفَّذ · 0 مقبول · 0 مؤهل للترتيب

  • Computational research reproduction

    غير مُرتَّب

    Reproduce published computational results by implementing or executing experiments from papers, code, data, and environments.

    تم الوصول إلى: في الفهرس

    0 مُنفَّذ · 0 مقبول · 0 مؤهل للترتيب

أُنشئت الحالة في 04‏/11‏/2026، 12:14 ص UTC