5 коммитов (f17c0af5d704ac9d15d27a3bb8e91f1dfe15c832)

Автор SHA1 Сообщение Дата
  orangels f17c0af5d7 feat: tighten aime final answer parsing 2 недель назад
  orangels e0aca08f36 feat: align gpqa scoring with simple evals 2 недель назад
  orangels 2064c69924 fix: tighten benchmark dataset helpers 2 недель назад
  orangels 67a4ea8af4 feat: add benchmark dataset fetch and prompts 2 недель назад
  orangels c0ebdea077 chore: initialize cli project skeleton 2 недель назад