Blog

Notatki o tym, co naprawdę liczą testy modeli — i jak to czytać, żeby nie dać się zwieść pojedynczej liczbie.

11 października 2026
1 min czytania
What pass@k Actually Measures — and Why Reports Disagree
pass@k is a budget parameter, not a property of the model. How the unbiased estimator works, what n, c and k mean, and why two teams report different numbers for the same model.
BenchmarkiPodstawy
24 września 2026
3 min czytania
Scorer a benchmark — co właściwie mierzysz
Benchmark to zbiór zadań i kontekst pomiaru, scorer — funkcja zamieniająca odpowiedzi modelu w liczbę. Ten sam test policzony różnymi scorerami daje różne rankingi.
BenchmarkiPodstawy

What pass@k Actually Measures — and Why Reports Disagree