HumanEval

معيار يقيس قدرة النموذج على تخليق دوال Python بدرجات تعقيد متفاوتة، وهو من أبرز مقاييس القدرة البرمجية للنماذج اللغوية.

A benchmark measuring the ability to synthesize Python functions of varying complexity, one of the key measures of language model coding capability.