Verify evals on Papers with Code
还没有人认领这个 Issue。
评估
- 难度
- 2/5
- 预计耗时
- 1-3 小时
- 新手友好度
- 48/100
- Issue 类型
- 文档
- 描述清晰度
- 基本清楚
- 活跃度
- 活跃
调研方向
从链接的 Papers with Code 论文及其 OSWorld-Verified 和 Claw-Eval 结果页面开始。根据论文或官方发布工件，核实每个导入的分数、模型名称、基准测试协议和开放性元数据。完成的标准是确认这些行，或报告需要进行的具体更正；不提及任何仓库文件或测试。
由索引模型根据 Issue 内容生成。
描述
Hi,
Niels here from the open-source team at Hugging Face. Congratulations on your work!
I've made the paper and 10 paper-native evaluations available on Papers with Code.
The paper has results on Agents, Coding Agents, Computer Use Agents, and 3 additional task pages.
The MiniMax M3 result currently ranks second on OSWorld-Verified (361 no-GDrive, 200 steps).
The MiniMax M3 result currently ranks third on Claw-Eval.
Would it be possible to verify these results and let me know if any score, model name, benchmark protocol, or openness metadata should be corrected? The imported rows are tied to the paper or its official release artifacts; comparison-table baselines were not added.
You can also edit the task, methods, project page, and GitHub URL directly from the paper page using your Hugging Face account.
If you'd like to showcase the results in your repository README, you can copy these live leaderboard badges (or use the “Copy PwC badge” button in the Results section):
Kind regards,
Niels
- 主要语言
- 没有语言数据
- 星标
- 491
- 派生
- 59
- PR 合并指标
- 30 天内没有已合并 PR
环境准备
这个项目没有提供开发容器、Dockerfile 或贡献指南，环境需要你自己搭建：先看它的 README，通用步骤见我们的新手贡献指南。
从这里开始
- 先读完整个 Issue，再读项目的贡献指南。
- 在 Issue 下留言说明你要接手 —— 这能避免两个人做同样的事。
- Fork 仓库，在一个分支上完成修改。
- 提交 Pull Request，并在描述里引用这个 Issue 编号。
MiniMax-AI/MiniMax-M3 的其他 Issue
-
难度 1/5 1 小时以内 新手友好度 90/100
MiniMax-AI/MiniMax-M3#34 · 1 个 reaction ·
-
[M2.7 Bug]未关闭bug
难度 4/5 3-5 天 新手友好度 45/100
MiniMax-AI/MiniMax-M3#35 ·
-
enhancement
难度 4/5 3-5 天 新手友好度 45/100
MiniMax-AI/MiniMax-M3#33 ·
-
bug
难度 4/5 3-5 天 新手友好度 42/100
MiniMax-AI/MiniMax-M3#31 ·
-
难度 4/5 3-5 天 新手友好度 35/100
MiniMax-AI/MiniMax-M3#30 ·
查看 MiniMax-AI/MiniMax-M3 的全部 Issue
相似的 Issue
-
sync-en
难度 1/5 1-3 小时 新手友好度 84/100
维护者通常 1 天内回复
-
sync-en
难度 1/5 1 小时以内 新手友好度 83/100
维护者通常 3 天内回复
-
factory-active task-identify-harness-labels-done task-identify-issue-type-done
难度 1/5 1-3 小时 新手友好度 68/100
维护者通常 1 天内回复
-
vendor-pitch
难度 2/5 1-3 小时 新手友好度 87/100
维护者通常 1 天内回复
-
documentation good first issue help wanted
难度 2/5 1-3 小时 新手友好度 90/100
eugenioenko/ttt#1000 ·
维护者通常 1 天内回复