GLM-5 · ZMultiDialBench(GLM-5固定v2报告/模型卡;版本未注明) 8.57 points (1–10 scale) · 附件证据(ev-gm5-glm-5-zmultidialbench-1)

GLM-5 的 ZMultiDialBench · GLM-5固定v2报告/模型卡;版本未注明 官方出处。GLM-5 · 报告与固定模型卡 · 8.57 points (1–10 scale)。见《GLM-5: from Vibe Coding to Agentic Engineering》PDF p.28;Figure 11;相关协议见附录B.2。证据 ev-gm5-glm-5-zmultidialbench-1。

原文与定位

GLM-5 · ZMultiDialBench(GLM-5固定v2报告/模型卡;版本未注明),GLM-5 · 报告与固定模型卡配置,Reported score 8.57 points (1–10 scale)(具体成绩公布时间未确认)。见《GLM-5: from Vibe Coding to Agentic Engineering》PDF p.28;Figure 11;相关协议见附录B.2。 查看成绩条件

Figure 11: Performance comparison between GLM-4.7 and GLM-5 across five real-world general ability domains. GLM-5 | ZMultiDialBench | 8.57 Human annotators assigned pointwise scores on a 1–10 scale to anonymized model responses according to category-specific, standardized evaluation criteria.
官方材料
GLM-5: from Vibe Coding to Agentic Engineering · PDF 第 28 页
定位
附件 · PDF p.28;Figure 11;相关协议见附录B.2
材料版本
arXiv:2602.15763v2;40页全文、相关图表及附录方法已核读;2026-02-24修订。Base、训练消融与前代不归入GLM-5产品。
版本公布
披露时间
未确认 · 后补披露
采集时间
历史依据
暂无可靠历史版本依据
引用文本

GLM-5 · ZMultiDialBench(GLM-5固定v2报告/模型卡;版本未注明),GLM-5 · 报告与固定模型卡配置,Reported score 8.57 points (1–10 scale)(具体成绩公布时间未确认)。官方出处 GLM-5: from Vibe Coding to Agentic Engineering(附件,arXiv:2602.15763v2;40页全文、相关图表及附录方法已核读;2026-02-24修订。Base、训练消融与前代不归入GLM-5产品。)PDF p.28;Figure 11;相关协议见附录B.2,https://arxiv.org/pdf/2602.15763v2#page=28。Benchlog https://benchlog.lekshome.cc/evidence/glm-5/ev-gm5-glm-5-zmultidialbench-1/

关联成绩与条件

GLM-5 · ZMultiDialBench 成绩与配置
指标与成绩配置与评测条件证据关系
Reported score8.57 points (1–10 scale)原文 8.57 · 单位 points (1–10 scale)
公布 未确认
GLM-5 · 报告与固定模型卡
设置
最终后训练GLM-5;各行scaffold、解码与工具条件分别见protocol,未将工具或来源另立为推理档位。
未知项
来源未逐项明确思考开关、reasoning effort、服务精度与完整题集修订。、Tool-Decathlon报告39.2与固定卡38.0均保留;BrowseComp上下文管理的正文与附录方法描述不一致。
工具
工具条件未记录
推理预算
未记录
框架
未记录
协议
Human annotators assigned pointwise scores on a 1–10 scale to anonymized model responses according to category-specific, standardized evaluation criteria.
条件
Human annotators assigned pointwise scores on a 1–10 scale to anonymized model responses according to category-specific, standardized evaluation criteria.

直接支持该成绩

在排名中查看此成绩