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.

今日お答えできること

「取得できません」は、そのベンチマークが終了したという意味ではありません。公開ランキングを支える稼働中のデータフィードが現時点でないため、EvalRankは弱い答えを公開せず、保留しています。ソースの復旧やスクレイパーの作業によって状況が変わる可能性があります。

各カードは、皆さまがAIに任せている作業の種類を表しています。カードを開くと、選択肢がどう比較されるかをご覧いただけます。

根拠の最終更新：6 分前

ほかの作業が13件、まだランク外です表示

EvalRankはこれらの質問を理解していますが、ランク付けに足る独立した根拠がまだ揃っていません。不足が見えるように、あえて一覧に載せています。

  • Function and tool calling

    ランク外

    Emit correct schema-valid tool calls

    到達段階：カタログ掲載中

    0 実装済み · 0 承認済み · 0 ランク対象

  • Web browsing and navigation

    ランク外

    Retrieve and act on live web content

    到達段階：カタログ掲載中

    0 実装済み · 0 承認済み · 0 ランク対象

  • Computer use

    ランク外

    Operate a graphical interface to complete a task

    到達段階：カタログ掲載中

    0 実装済み · 0 承認済み · 0 ランク対象

  • Deep research

    ランク外

    Synthesize multiple sources with traceable citations

    到達段階：カタログ掲載中

    0 実装済み · 0 承認済み · 0 ランク対象

  • Customer support agent

    ランク外

    Resolve user support issues end to end

    到達段階：カタログ掲載中

    0 実装済み · 0 承認済み · 0 ランク対象

  • Mathematical reasoning

    ランク外

    Solve quantitative or symbolic problems

    到達段階：カタログ掲載中

    0 実装済み · 0 承認済み · 0 ランク対象

  • Long-term memory

    ランク外

    Persist and recall useful information across sessions

    到達段階：カタログ掲載中

    0 実装済み · 0 承認済み · 0 ランク対象

  • Finance

    ランク外

    Perform domain-grounded financial reasoning and workflows

    到達段階：カタログ掲載中

    0 実装済み · 0 承認済み · 0 ランク対象

  • Legal

    ランク外

    Perform domain-grounded legal reasoning and drafting

    到達段階：カタログ掲載中

    0 実装済み · 0 承認済み · 0 ランク対象

  • Medical

    ランク外

    Perform domain-grounded clinical reasoning and question answering

    到達段階：カタログ掲載中

    0 実装済み · 0 承認済み · 0 ランク対象

  • SRE incident response

    ランク外

    Diagnose and repair live service or infrastructure incidents

    到達段階：カタログ掲載中

    0 実装済み · 0 承認済み · 0 ランク対象

  • Professional deliverables

    ランク外

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

    到達段階：カタログ掲載中

    0 実装済み · 0 承認済み · 0 ランク対象

  • Computational research reproduction

    ランク外

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

    到達段階：カタログ掲載中

    0 実装済み · 0 承認済み · 0 ランク対象

健全性の生成日時：2026/11/04 0:14 UTC