decision.host
首页 / 模型 / ajev-gemma4-12b-lora5

ajev-gemma4-12b-lora5

andyzhang232 ChoiceNoulScore 12B(活跃 11B) S1MB
S1MB Task Avg
54.9
第 21 名 · 覆盖 137/137(100%)

模型信息

厂商
andyzhang232
类别
开源权重
参数规模
12B(活跃 11B)
权重
闭源 / 未公开
许可证
未标注 许可不明
输入模态
文本
决策原语
ChoiceNoulScore
可微调
未确认

数据来源与链接

本站聚合自: S1MB。 分数与链接均指向原始出处。

S1MB · 137 个基准

基准类型该模型全场最佳 全场均值对比来源
open jev / browser control v1 Choice 100.0 100.0 72.2 来源 ↗
open jev / drone control v1 Noul 100.0 100.0 58.5 来源 ↗
s1mb generalization contextual choice Choice 100.0 100.0 85.8 来源 ↗
open jev / citation control v1 Choice 95.5 100.0 48.5 来源 ↗
bbq Choice 95.0 98.3 60.0 来源 ↗
open jev / mailroom control v1 Noul 95.0 100.0 68.0 来源 ↗
open jev / painting geometry v1 Choice 94.7 100.0 52.6 来源 ↗
dbpedia Choice 94.4 98.9 85.8 来源 ↗
s1mb generalization diverse noul Noul 94.0 100.0 65.8 来源 ↗
s1mb generalization diverse choice Choice 92.1 100.0 74.0 来源 ↗
laya / enron spam Noul 92.0 100.0 60.4 来源 ↗
argument quality Choice 91.8 95.9 45.0 来源 ↗
open jev / mailroom control v1 Choice 91.7 100.0 86.3 来源 ↗
open jev / phone extraction control v1 Noul 90.0 100.0 56.8 来源 ↗
s1mb generalization contextual noul Noul 90.0 98.0 67.8 来源 ↗
open jev / sponsor segment control v1 Choice 89.7 100.0 60.1 来源 ↗
arc Choice 89.7 98.5 69.3 来源 ↗
open jev / entity alignment control v1 Noul 88.9 100.0 43.7 来源 ↗
open jev / email selection control v1 Noul 88.5 100.0 48.5 来源 ↗
open jev / customer control v1 Noul 88.2 100.0 62.2 来源 ↗
scone Choice 88.0 94.0 40.7 来源 ↗
miqa Choice 86.4 95.5 66.9 来源 ↗
openbookqa Choice 86.1 97.2 58.7 来源 ↗
open jev / ir control v1 Noul 85.7 100.0 54.2 来源 ↗
clinc Choice 84.8 99.3 65.4 来源 ↗
open jev / ir control v1 Choice 84.0 88.0 50.8 来源 ↗
scitail Noul 84.0 98.0 57.0 来源 ↗
open jev / painting geometry v1 Noul 83.8 100.0 34.6 来源 ↗
massive Choice 83.5 96.7 69.3 来源 ↗
quartz Choice 83.3 90.5 54.4 来源 ↗
open jev / workflow controls v1 / invoice processing Noul 83.0 100.0 40.7 来源 ↗
open jev / customer control v1 Choice 82.6 82.6 68.4 来源 ↗
s1mb generalization diverse score Score 82.0 96.3 46.8 来源 ↗
open jev / silent failure control v1 Noul 82.0 100.0 43.1 来源 ↗
sdoh nli Noul 82.0 94.0 64.7 来源 ↗
laya / ag news Choice 80.6 94.0 75.3 来源 ↗
mtop Choice 80.6 88.6 63.3 来源 ↗
lonli Choice 80.3 96.7 45.7 来源 ↗
hatecheck Noul 80.0 98.0 51.7 来源 ↗
s1mb generalization contextual score Score 79.4 97.3 46.7 来源 ↗
followir robust04 Noul 78.7 90.9 51.1 来源 ↗
open jev / painting geometry v1 Score 78.7 100.0 21.3 来源 ↗
winobias Choice 78.3 93.5 35.7 来源 ↗
open jev / amount extraction control v1 Noul 78.1 100.0 37.9 来源 ↗
impli Noul 78.0 88.0 51.5 来源 ↗
open jev / amount extraction control v1 Choice 76.5 100.0 58.6 来源 ↗
creak Noul 76.0 90.0 42.8 来源 ↗
open jev / context retention control v1 Noul 76.0 100.0 26.7 来源 ↗
open jev / reasoning control v1 Choice 75.0 100.0 34.7 来源 ↗
qasper Noul 74.0 88.0 46.9 来源 ↗
banking77 Choice 73.7 93.7 60.0 来源 ↗
babi nli Noul 72.0 92.0 42.1 来源 ↗
gretel pii Choice 70.5 94.5 47.8 来源 ↗
synthetic relevance / nanocoir Noul 70.2 73.0 38.3 来源 ↗
paws Noul 70.0 90.0 48.5 来源 ↗
open jev / phone extraction control v1 Choice 69.6 100.0 38.6 来源 ↗
snli Choice 69.3 98.4 52.9 来源 ↗
open jev / vizdoom basic v1 Score 68.9 100.0 35.1 来源 ↗
laya / typed decisions Score 68.7 76.0 31.9 来源 ↗
few nerd Choice 68.5 86.4 48.5 来源 ↗
hwu64 Choice 68.1 93.6 62.9 来源 ↗
ethos Noul 68.0 76.0 46.8 来源 ↗
hans Noul 68.0 100.0 47.1 来源 ↗
open jev / workflow controls v1 / agent trace observability Noul 67.1 100.0 33.3 来源 ↗
synthetic relevance / nanobeir / nanonq Noul 66.0 71.2 44.1 来源 ↗
gsm8k Choice 64.3 82.9 30.0 来源 ↗
open jev / workflow controls v1 / security incidents Noul 63.3 100.0 43.2 来源 ↗
defeasible nli Choice 63.0 87.0 37.3 来源 ↗
arct Choice 61.7 89.4 43.2 来源 ↗
open jev / reasoning control v1 Score 60.0 95.1 31.7 来源 ↗
contract nli Choice 59.8 80.3 37.3 来源 ↗
synthetic relevance / nanobeir / nanohotpotqa Noul 59.7 77.7 31.7 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Noul 58.9 63.0 41.5 来源 ↗
open jev / email selection control v1 Choice 58.3 100.0 30.4 来源 ↗
open jev / workflow controls v1 / customer service Noul 57.9 100.0 48.8 来源 ↗
canttalk Noul 56.0 92.0 47.9 来源 ↗
open jev / customer control v1 Score 55.8 99.3 39.9 来源 ↗
robust lr Choice 55.0 66.7 22.8 来源 ↗
scicite Choice 54.8 71.0 45.8 来源 ↗
aegis2 Noul 54.7 64.9 36.3 来源 ↗
go emotions Noul 53.0 63.4 40.4 来源 ↗
open jev / reasoning control v1 Noul 51.8 100.0 28.9 来源 ↗
spartqa Choice 51.6 91.9 6.8 来源 ↗
ethics Choice 50.0 83.3 24.0 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Noul 49.7 52.1 32.1 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Noul 49.7 58.0 32.0 来源 ↗
synthetic relevance / nanobeir / nanoarguana Noul 49.1 53.5 18.8 来源 ↗
ruletaker Noul 46.0 100.0 31.9 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Noul 45.7 49.7 28.0 来源 ↗
ethics Noul 44.0 75.6 28.0 来源 ↗
temporal nli Choice 43.5 83.9 20.9 来源 ↗
laya / typed decisions Noul 42.7 49.2 27.3 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Noul 42.6 47.0 29.3 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Score 42.4 47.5 22.9 来源 ↗
crows pairs Choice 41.7 70.8 33.6 来源 ↗
synthetic relevance / nanobeir / nanohotpotqa Score 41.2 63.6 16.0 来源 ↗
boardgameqa Choice 40.6 75.0 19.2 来源 ↗
stepgame Choice 40.5 82.1 20.5 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Score 40.2 54.9 20.9 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Noul 40.2 46.6 20.2 来源 ↗
winowhy Noul 40.0 64.0 21.3 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Score 39.8 45.0 20.1 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Score 38.6 46.7 17.4 来源 ↗
lexcomp Noul 38.0 60.0 24.5 来源 ↗
followir core17 Noul 37.9 46.6 23.5 来源 ↗
civil comments Noul 35.1 39.8 23.0 来源 ↗
laya / typed decisions Choice 34.4 34.5 21.4 来源 ↗
open jev / snake v1 Choice 34.0 83.5 12.6 来源 ↗
logical entailment Noul 34.0 72.0 13.4 来源 ↗
synthetic relevance / nanobeir / nanoarguana Score 33.9 43.1 8.7 来源 ↗
cladder Noul 32.0 94.0 22.1 来源 ↗
sgd Choice 30.5 96.6 26.1 来源 ↗
open jev / vizdoom basic v1 Noul 29.4 100.0 45.8 来源 ↗
open jev / entity alignment control v1 Score 28.8 100.0 12.1 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Score 28.3 38.6 12.8 来源 ↗
aqua rat Choice 28.2 77.5 14.0 来源 ↗
followir news21 Noul 28.0 48.0 17.3 来源 ↗
patent similarity Score 27.9 48.3 20.3 来源 ↗
synthetic relevance / nanocoir Score 26.5 44.3 5.0 来源 ↗
synthetic relevance / nanobeir / nanonq Score 24.9 49.4 10.6 来源 ↗
esci Choice 24.7 46.6 14.8 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Score 24.2 36.7 8.3 来源 ↗
ud ewt Choice 23.8 64.1 15.3 来源 ↗
fol nli Choice 22.9 68.8 12.6 来源 ↗
open jev / snake v1 Noul 19.3 100.0 13.2 来源 ↗
tracie Noul 18.0 58.0 10.0 来源 ↗
wiqa Choice 15.9 60.3 21.0 来源 ↗
hh rlhf Choice 12.8 33.3 3.3 来源 ↗
open jev / ir control v1 Score 10.8 99.2 15.5 来源 ↗
argument quality Noul 7.0 26.9 6.4 来源 ↗
corr2cause Choice 5.0 91.7 4.3 来源 ↗
nlsat Noul 2.0 22.0 2.8 来源 ↗
plane Noul 2.0 100.0 11.3 来源 ↗
open jev / drone control v1 Choice 0.0 100.0 9.2 来源 ↗
open jev / drone control v1 Score 0.0 99.2 3.8 来源 ↗
open jev / tic tac toe v1 Choice 0.0 54.5 4.0 来源 ↗
poem sentiment Choice 0.0 68.6 5.3 来源 ↗