decision.host
首页 / 模型 / Vev 4B (non-commercial)

Vev 4B (non-commercial)

CountingSheep ChoiceNoulScore 4.5B(活跃 3.9B) S1MB
S1MB Task Avg
40.5
第 109 名 · 覆盖 137/137(100%)

模型信息

厂商
CountingSheep
类别
开源权重
参数规模
4.5B(活跃 3.9B)
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 · 184 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 76.5 来源 ↗
open jev / customer control v1 Noul 100.0 100.0 68.3 来源 ↗
open jev / mailroom control v1 Choice 100.0 100.0 89.6 来源 ↗
generalization japanese diverse Choice 99.5 100.0 94.2 来源 ↗
dbpedia Choice 98.9 98.9 88.9 来源 ↗
s1mb generalization contextual choice Choice 97.4 100.0 88.7 来源 ↗
jmteb retrieval Choice 95.3 98.7 90.0 来源 ↗
arc Choice 94.1 98.5 73.8 来源 ↗
open jev / drone control v1 Noul 94.1 100.0 63.8 来源 ↗
open jev / citation control v1 Choice 93.9 100.0 55.9 来源 ↗
generalization japanese knowledge hard Choice 93.8 99.6 88.0 来源 ↗
bbq Choice 93.3 98.3 64.5 来源 ↗
generalization japanese diverse Noul 93.3 100.0 91.4 来源 ↗
generalization vision easy Choice 92.9 98.6 90.7 来源 ↗
generalization vision easy Noul 90.7 100.0 87.4 来源 ↗
open jev / mailroom control v1 Noul 90.3 100.0 73.2 来源 ↗
laya / enron spam Noul 90.0 100.0 64.9 来源 ↗
laya / ag news Choice 89.5 94.0 77.7 来源 ↗
jcommonsenseqa Choice 88.8 97.9 87.6 来源 ↗
s1mb generalization diverse choice Choice 88.1 100.0 78.1 来源 ↗
scienceqa Choice 88.0 99.5 86.7 来源 ↗
s1mb generalization diverse noul Noul 88.0 100.0 70.7 来源 ↗
open jev / sponsor segment control v1 Choice 84.6 100.0 66.4 来源 ↗
s1mb generalization contextual noul Noul 84.0 100.0 72.1 来源 ↗
nights Choice 83.9 92.0 75.3 来源 ↗
clinc Choice 82.8 99.3 70.5 来源 ↗
open jev / customer control v1 Choice 82.6 82.6 71.5 来源 ↗
sugarcrepe Choice 82.5 95.2 80.9 来源 ↗
cvbench depth Choice 82.0 93.3 77.6 来源 ↗
sdoh nli Noul 82.0 100.0 70.0 来源 ↗
gretel pii Choice 81.5 94.8 51.1 来源 ↗
mtop Choice 80.0 93.2 67.4 来源 ↗
miqa Choice 79.5 97.7 71.1 来源 ↗
massive Choice 79.2 97.8 73.4 来源 ↗
scitail Noul 78.0 98.0 63.4 来源 ↗
openbookqa Choice 77.8 98.6 64.4 来源 ↗
snli Choice 77.4 98.4 59.9 来源 ↗
followir robust04 Noul 77.3 90.9 53.7 来源 ↗
hwu64 Choice 75.5 95.7 67.3 来源 ↗
open jev / workflow controls v1 / customer service Noul 74.1 100.0 53.7 来源 ↗
canttalk Noul 74.0 92.0 50.5 来源 ↗
ethos Noul 74.0 76.0 49.5 来源 ↗
hans Noul 72.0 100.0 53.1 来源 ↗
pope Noul 71.3 80.0 73.0 来源 ↗
banking77 Choice 70.5 93.7 64.2 来源 ↗
hatecheck Noul 70.0 100.0 57.5 来源 ↗
open jev / phone extraction control v1 Noul 70.0 100.0 63.9 来源 ↗
qasper Noul 70.0 88.0 51.4 来源 ↗
quartz Choice 69.0 90.5 59.4 来源 ↗
jmmlu japan Choice 68.0 94.2 68.4 来源 ↗
open jev / ir control v1 Choice 68.0 88.0 55.5 来源 ↗
paws Noul 68.0 92.0 52.5 来源 ↗
few nerd Choice 66.0 87.8 52.9 来源 ↗
rvlcdip Choice 65.7 77.6 61.4 来源 ↗
cvbench relation Choice 65.5 96.5 79.7 来源 ↗
ud ewt Choice 65.0 96.0 19.6 来源 ↗
impli Noul 64.0 96.0 57.1 来源 ↗
argument quality Choice 63.3 95.9 53.3 来源 ↗
open jev / painting geometry v1 Choice 63.2 100.0 60.5 来源 ↗
crows pairs Choice 62.5 77.1 37.9 来源 ↗
jsts Score 61.0 69.9 55.3 来源 ↗
s1mb generalization diverse score Score 60.9 97.6 52.7 来源 ↗
open jev / amount extraction control v1 Choice 60.8 100.0 63.2 来源 ↗
lonli Choice 60.7 98.4 52.8 来源 ↗
open jev / workflow controls v1 / invoice processing Noul 60.5 100.0 47.0 来源 ↗
contract nli Choice 60.5 81.6 43.0 来源 ↗
creak Noul 60.0 90.0 48.2 来源 ↗
scone Choice 60.0 98.0 48.5 来源 ↗
scicite Choice 59.7 74.2 49.4 来源 ↗
kuci Choice 59.6 85.8 64.3 来源 ↗
jnli Choice 58.5 87.5 68.4 来源 ↗
mvtec ad Noul 58.3 76.9 51.0 来源 ↗
open jev / silent failure control v1 Noul 58.0 100.0 49.8 来源 ↗
open jev / ir control v1 Noul 57.1 100.0 60.3 来源 ↗
arct Choice 55.3 89.4 49.3 来源 ↗
synthetic relevance / nanobeir / nanonq Noul 54.6 72.7 48.0 来源 ↗
defeasible nli Choice 54.4 89.1 43.1 来源 ↗
synthetic relevance / nanocoir Noul 54.3 73.6 42.2 来源 ↗
open jev / email selection control v1 Noul 53.9 100.0 56.9 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Noul 51.5 64.1 45.3 来源 ↗
s1mb generalization contextual score Score 50.7 99.3 52.6 来源 ↗
commonsensemoralja Noul 50.7 89.3 67.8 来源 ↗
generalization vision hard Noul 49.2 84.9 47.9 来源 ↗
babi nli Noul 48.0 96.0 48.5 来源 ↗
mmmlu Choice 48.0 78.2 52.8 来源 ↗
go emotions Noul 47.0 63.4 42.1 来源 ↗
open jev / entity alignment control v1 Noul 46.6 100.0 50.6 来源 ↗
cvbench distance Choice 45.1 79.9 59.3 来源 ↗
open jev / amount extraction control v1 Noul 43.8 100.0 44.2 来源 ↗
jamp Choice 43.5 81.5 50.0 来源 ↗
aegis2 Noul 43.1 68.3 39.6 来源 ↗
nlvr2 Noul 42.4 88.9 59.2 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Noul 42.2 53.2 33.8 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Noul 41.9 58.0 35.3 来源 ↗
open jev / phone extraction control v1 Choice 41.3 100.0 44.4 来源 ↗
generalization vision easy Score 40.9 79.7 50.0 来源 ↗
generalization japanese knowledge hard Noul 40.7 87.3 50.6 来源 ↗
open jev / reasoning control v1 Noul 40.4 100.0 34.3 来源 ↗
visa Noul 40.2 73.4 29.3 来源 ↗
jsem Choice 39.9 69.2 45.9 来源 ↗
generalization vision hard Choice 38.8 84.1 48.5 来源 ↗
open jev / painting geometry v1 Noul 38.1 100.0 42.0 来源 ↗
open jev / vizdoom basic v1 Noul 37.9 100.0 53.2 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Score 37.9 49.4 25.5 来源 ↗
open jev / workflow controls v1 / security incidents Noul 37.8 100.0 50.0 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Noul 36.2 49.7 29.6 来源 ↗
ruletaker Noul 36.0 100.0 39.3 来源 ↗
open jev / customer control v1 Score 34.9 99.3 44.4 来源 ↗
followir core17 Noul 34.9 46.6 25.2 来源 ↗
winobias Choice 34.8 95.7 42.7 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Noul 34.6 48.2 32.3 来源 ↗
lexcomp Noul 34.0 60.0 27.7 来源 ↗
open jev / workflow controls v1 / agent trace observability Noul 33.5 100.0 39.4 来源 ↗
jsick sts Score 32.3 61.5 40.1 来源 ↗
mmlu prox ja Choice 32.1 69.5 39.5 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Score 30.4 49.0 21.0 来源 ↗
gsm8k Choice 30.0 95.7 38.0 来源 ↗
boardgameqa Choice 29.7 90.6 24.4 来源 ↗
open jev / vizdoom basic v1 Score 29.6 100.0 42.3 来源 ↗
laya / typed decisions Noul 29.6 49.2 29.9 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Score 29.5 57.3 25.0 来源 ↗
ethics Noul 29.3 80.6 33.4 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Score 28.6 50.3 23.4 来源 ↗
civil comments Noul 27.9 52.8 25.2 来源 ↗
laya / typed decisions Score 27.2 76.0 35.4 来源 ↗
winowhy Noul 26.0 66.0 25.9 来源 ↗
sgd Choice 25.4 96.6 28.6 来源 ↗
robust lr Choice 25.0 98.3 29.3 来源 ↗
vsr Noul 24.6 77.6 48.0 来源 ↗
open jev / reasoning control v1 Score 24.5 96.3 38.3 来源 ↗
cladder Noul 24.0 94.0 28.5 来源 ↗
synthetic relevance / nanobeir / nanohotpotqa Noul 24.0 78.9 36.1 来源 ↗
stepgame Choice 22.6 82.1 24.8 来源 ↗
aqua rat Choice 22.5 83.1 19.7 来源 ↗
open jev / context retention control v1 Noul 22.0 100.0 35.2 来源 ↗
laya / typed decisions Choice 21.6 35.7 23.3 来源 ↗
patent similarity Score 21.5 53.0 24.0 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Noul 20.7 48.5 21.5 来源 ↗
wiqa Choice 20.6 68.3 24.0 来源 ↗
temporal nli Choice 19.4 100.0 28.0 来源 ↗
mintaka ja boolean Noul 19.3 68.0 37.5 来源 ↗
generalization japanese knowledge hard Score 18.9 84.6 45.3 来源 ↗
tallyqa Score 18.8 72.0 48.0 来源 ↗
synthetic relevance / nanobeir / nanoarguana Noul 18.3 53.5 22.0 来源 ↗
followir news21 Noul 18.0 58.0 18.4 来源 ↗
synthetic relevance / nanobeir / nanohotpotqa Score 17.6 71.8 20.9 来源 ↗
generalization japanese math formal hard Choice 16.9 48.4 21.0 来源 ↗
janli Choice 16.3 88.9 41.7 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Score 16.0 40.9 15.8 来源 ↗
open jev / painting geometry v1 Score 15.0 100.0 29.7 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Score 14.7 36.7 10.7 来源 ↗
esci Choice 13.7 49.3 17.5 来源 ↗
sobaco culture Choice 13.5 80.5 30.6 来源 ↗
gpqa ja main Choice 12.9 54.7 20.9 来源 ↗
logical entailment Noul 12.0 84.0 18.7 来源 ↗
tracie Noul 12.0 68.0 14.4 来源 ↗
generalization japanese math formal hard Noul 11.3 34.7 10.6 来源 ↗
jamc qa Choice 10.2 65.3 23.0 来源 ↗
jcola Noul 10.1 57.2 21.6 来源 ↗
open jev / reasoning control v1 Choice 10.0 100.0 41.7 来源 ↗
argument quality Noul 9.9 30.2 7.8 来源 ↗
jculture mcq Noul 5.2 44.3 12.8 来源 ↗
open jev / snake v1 Noul 5.1 100.0 19.1 来源 ↗
fol nli Choice 4.9 75.4 17.3 来源 ↗
nlsat Noul 4.0 22.0 3.2 来源 ↗
generalization vision hard Score 4.0 49.2 19.9 来源 ↗
open jev / entity alignment control v1 Score 3.2 100.0 18.4 来源 ↗
corr2cause Choice 1.7 91.7 9.3 来源 ↗
ethics Choice 0.0 100.0 28.5 来源 ↗
generalization japanese math formal hard Score 0.0 6.9 0.9 来源 ↗
hh rlhf Choice 0.0 33.3 4.5 来源 ↗
koniq Score 0.0 51.8 8.2 来源 ↗
open jev / drone control v1 Choice 0.0 100.0 13.4 来源 ↗
open jev / drone control v1 Score 0.0 100.0 7.2 来源 ↗
open jev / email selection control v1 Choice 0.0 100.0 38.4 来源 ↗
open jev / ir control v1 Score 0.0 100.0 23.0 来源 ↗
open jev / snake v1 Choice 0.0 83.5 18.3 来源 ↗
open jev / tic tac toe v1 Choice 0.0 54.5 5.1 来源 ↗
plane Noul 0.0 100.0 12.6 来源 ↗
poem sentiment Choice 0.0 68.6 9.3 来源 ↗
spartqa Choice 0.0 93.5 14.0 来源 ↗
synthetic relevance / nanobeir / nanoarguana Score 0.0 43.2 10.3 来源 ↗
synthetic relevance / nanobeir / nanonq Score 0.0 54.3 13.3 来源 ↗
synthetic relevance / nanocoir Score 0.0 43.8 6.8 来源 ↗