MLE-Bench · 30 competition subset selected from tasks with <50GB data and <10h reference duration · 测试定义与成绩

MLE-Bench · 30 competition subset selected from tasks with <50GB data and <10h reference duration 收录 2 次模型发布的评测披露或成绩。

测试版本与指标

别名 MLE-bench-30 (<50GB, <10h)

  • Bronze pass@1 · % · 越高越好

各系列最新模型 · 公布成绩

各命名系列的最新型号在此范围内暂无可展示成绩,已收录的历史资料列在下方。

历史记录 · 2 次发布

  • GPT-5.1 Codex-Max本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • GPT-5.1本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)