Versão exata
Verifique o identificador do modelo, a data e se o alias pode mudar.
BENCHMARK DOCUMENTADO
AA-LCR (NVIDIA, Qwen3 judge)
Resultados publicados e condições declaradas pelas fontes. Os números só são comparáveis quando versão, configuração, métrica e data coincidem.
01 / RESULTADOS
Medições publicadas
| Modelo | Organização | Resultado | Métrica | Condições |
|---|---|---|---|---|
| Nemotron Labs Dory 1.0 4B | NVIDIA | 71 | Pontuação BF16 · 2 ciclos | NVIDIA · BF16 · 1 / 2 / 4 ciclos: 63 / 71 / 73. Respostas corrigidas v1.1; avaliador Qwen3-235B-A22B, não GPT-5.6 Luna; 16 repetições. Não misturar protocolos. |
02 / INTERPRETAÇÃO
Antes de comparar
Configuração equivalente
Verifique ferramentas, esforço, número de tentativas, prompt e orçamento de inferência.
Transferência para o seu caso
Valide o resultado com tarefas, idiomas, formatos e erros representativos do seu produto.
03 / MÉTODO
Do indicador a uma decisão reproduzível
Um benchmark público orienta, mas não substitui uma avaliação com os teus dados, ferramentas, orçamento e tolerância ao erro.
Identifica a versão exata
Um alias móvel e um snapshot podem produzir resultados diferentes. Regista o modelo, a data e o fornecedor.
Reconstrói as condições
O prompt, o raciocínio, as ferramentas, o número de tentativas e o orçamento devem ser equivalentes para comparar.
Procura a incerteza
Uma diferença pequena pode desaparecer entre execuções. Conserva amostras, dispersão e falhas, não apenas a média.
Verifica a transferência
Valida se a melhoria se mantém em idiomas, formatos e casos reais próximos do teu produto.
Uma métrica só é útil quando conhecemos a tarefa, as condições e o erro que importa. O resultado começa com o desenho do teste.
04 / FONTES