Test LLM
Сравнение моделей на одном наборе диалогов и единой скоркарте. Датасет — общий (Neon, eval_dialogs).
загрузка датасета…
Результаты по моделям
Ещё нет прогонов. Выбери модель и запусти оценку.
Оценка идёт по матрице выбранной ниши — той же, что настроена в разделе ОКК, — без контекста конкретной компании, чтобы сравнение было честным. Прогоны одной модели перезаписываются.