decision.host
首页 / 模型 / EvalEngine 4B

EvalEngine 4B

evalengine ChoiceNoulScore 4.2B s1mb
S1MB Task Avg
45.7
第 21 名 · 覆盖 137/137(100%)

模型信息

厂商
evalengine
类别
开源权重
参数规模
4.2B
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 67.4 来源 ↗
open jev / customer control v1 Noul 100.0 100.0 58.0 来源 ↗
open jev / mailroom control v1 Choice 100.0 100.0 82.9 来源 ↗
s1mb generalization contextual choice Choice 98.7 100.0 82.6 来源 ↗
bbq Choice 98.3 98.3 53.8 来源 ↗
dbpedia Choice 96.6 98.9 83.5 来源 ↗
arc Choice 94.1 98.5 64.4 来源 ↗
open jev / drone control v1 Noul 94.1 100.0 50.2 来源 ↗
open jev / vizdoom basic v1 Noul 94.1 100.0 39.0 来源 ↗
open jev / sponsor segment control v1 Choice 93.6 100.0 52.2 来源 ↗
scitail Noul 92.0 98.0 53.0 来源 ↗
snli Choice 91.9 98.4 46.0 来源 ↗
open jev / phone extraction control v1 Noul 90.0 100.0 50.4 来源 ↗
s1mb generalization contextual noul Noul 88.0 98.0 62.0 来源 ↗
s1mb generalization diverse noul Noul 86.0 100.0 59.2 来源 ↗
sdoh nli Noul 86.0 92.0 60.8 来源 ↗
laya / enron spam Noul 84.0 100.0 54.6 来源 ↗
open jev / customer control v1 Choice 82.6 82.6 64.3 来源 ↗
s1mb generalization diverse choice Choice 81.5 100.0 69.5 来源 ↗
open jev / workflow controls v1 / security incidents Noul 81.3 100.0 37.8 来源 ↗
open jev / mailroom control v1 Noul 81.1 100.0 62.5 来源 ↗
laya / ag news Choice 80.6 94.0 75.4 来源 ↗
openbookqa Choice 80.6 97.2 53.7 来源 ↗
open jev / citation control v1 Choice 80.3 100.0 40.9 来源 ↗
paws Noul 80.0 88.0 45.7 来源 ↗
quartz Choice 78.6 88.1 49.1 来源 ↗
open jev / email selection control v1 Noul 76.9 100.0 40.6 来源 ↗
massive Choice 76.4 96.7 64.5 来源 ↗
followir robust04 Noul 76.2 90.9 46.9 来源 ↗
miqa Choice 75.0 95.5 61.9 来源 ↗
open jev / email selection control v1 Choice 73.9 100.0 23.4 来源 ↗
open jev / workflow controls v1 / invoice processing Noul 73.6 100.0 34.6 来源 ↗
open jev / amount extraction control v1 Choice 72.5 100.0 55.0 来源 ↗
qasper Noul 72.0 88.0 41.6 来源 ↗
open jev / entity alignment control v1 Noul 71.6 100.0 35.9 来源 ↗
hatecheck Noul 70.0 98.0 47.5 来源 ↗
open jev / reasoning control v1 Choice 70.0 95.0 28.4 来源 ↗
scone Choice 70.0 92.0 34.2 来源 ↗
s1mb generalization contextual score Score 69.6 92.7 42.1 来源 ↗
open jev / vizdoom basic v1 Score 69.1 100.0 29.6 来源 ↗
s1mb generalization diverse score Score 68.4 95.3 42.8 来源 ↗
open jev / ir control v1 Choice 68.0 88.0 44.8 来源 ↗
lonli Choice 67.2 86.9 39.2 来源 ↗
open jev / workflow controls v1 / customer service Noul 67.1 100.0 41.6 来源 ↗
impli Noul 66.0 88.0 46.7 来源 ↗
few nerd Choice 66.0 86.4 43.9 来源 ↗
open jev / amount extraction control v1 Noul 65.6 100.0 33.3 来源 ↗
open jev / reasoning control v1 Score 61.7 90.7 27.7 来源 ↗
scicite Choice 61.3 71.0 44.0 来源 ↗
contract nli Choice 61.3 76.0 31.8 来源 ↗
argument quality Choice 61.2 95.9 37.4 来源 ↗
mtop Choice 60.6 86.9 58.6 来源 ↗
ethos Noul 60.0 76.0 43.7 来源 ↗
hans Noul 60.0 100.0 43.3 来源 ↗
go emotions Noul 59.6 61.3 38.3 来源 ↗
clinc Choice 57.9 99.3 57.3 来源 ↗
hwu64 Choice 57.5 92.5 56.8 来源 ↗
synthetic relevance / nanobeir / nanonq Noul 57.3 67.2 39.5 来源 ↗
open jev / ir control v1 Noul 57.1 100.0 47.3 来源 ↗
open jev / phone extraction control v1 Choice 56.5 100.0 32.4 来源 ↗
babi nli Noul 56.0 84.0 37.0 来源 ↗
canttalk Noul 56.0 86.0 43.9 来源 ↗
gretel pii Choice 55.8 94.5 43.1 来源 ↗
arct Choice 55.3 89.4 39.4 来源 ↗
winobias Choice 54.4 91.3 30.1 来源 ↗
open jev / silent failure control v1 Noul 54.0 100.0 38.8 来源 ↗
aegis2 Noul 53.3 62.3 32.8 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Noul 52.5 62.5 37.3 来源 ↗
defeasible nli Choice 52.2 80.4 32.8 来源 ↗
crows pairs Choice 52.1 70.8 30.4 来源 ↗
banking77 Choice 51.6 93.7 54.6 来源 ↗
creak Noul 48.0 88.0 38.8 来源 ↗
open jev / painting geometry v1 Choice 47.4 100.0 46.2 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Noul 46.5 47.0 26.6 来源 ↗
open jev / customer control v1 Score 45.9 99.3 36.7 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Noul 45.5 54.0 28.6 来源 ↗
synthetic relevance / nanocoir Noul 44.8 73.0 33.6 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Score 43.3 44.3 20.6 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Score 42.5 52.6 17.8 来源 ↗
lexcomp Noul 42.0 52.0 22.5 来源 ↗
ruletaker Noul 42.0 96.0 27.7 来源 ↗
patent similarity Score 40.6 48.3 17.7 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Noul 39.3 52.1 29.0 来源 ↗
laya / typed decisions Score 38.6 63.5 26.5 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Score 38.2 46.7 15.2 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Score 36.9 44.9 17.6 来源 ↗
stepgame Choice 34.5 82.1 17.8 来源 ↗
gsm8k Choice 34.3 78.6 23.5 来源 ↗
open jev / reasoning control v1 Noul 34.2 100.0 25.3 来源 ↗
ethics Choice 33.3 83.3 20.9 来源 ↗
open jev / painting geometry v1 Noul 33.3 100.0 27.2 来源 ↗
temporal nli Choice 32.3 80.7 18.3 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Noul 32.0 46.2 25.1 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Score 31.5 38.6 10.7 来源 ↗
synthetic relevance / nanobeir / nanonq Score 29.4 49.4 9.3 来源 ↗
civil comments Noul 29.4 36.7 21.4 来源 ↗
laya / typed decisions Noul 29.2 47.8 24.4 来源 ↗
ethics Noul 27.3 68.6 23.9 来源 ↗
robust lr Choice 26.7 66.7 18.8 来源 ↗
ud ewt Choice 26.6 56.7 13.2 来源 ↗
laya / typed decisions Choice 26.4 34.5 18.9 来源 ↗
followir core17 Noul 25.8 46.6 21.2 来源 ↗
sgd Choice 25.4 96.6 24.4 来源 ↗
synthetic relevance / nanocoir Score 24.8 44.3 4.3 来源 ↗
synthetic relevance / nanobeir / nanoarguana Score 24.7 36.0 7.7 来源 ↗
wiqa Choice 23.8 58.7 19.3 来源 ↗
cladder Noul 22.0 94.0 17.7 来源 ↗
winowhy Noul 22.0 62.0 18.8 来源 ↗
synthetic relevance / nanobeir / nanohotpotqa Noul 20.9 70.8 28.4 来源 ↗
synthetic relevance / nanobeir / nanohotpotqa Score 20.6 63.6 13.9 来源 ↗
open jev / workflow controls v1 / agent trace observability Noul 20.4 100.0 27.8 来源 ↗
boardgameqa Choice 20.3 62.5 15.6 来源 ↗
fol nli Choice 18.0 54.1 10.4 来源 ↗
esci Choice 17.8 46.6 13.0 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Noul 16.6 41.7 17.3 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Score 16.6 36.7 7.2 来源 ↗
logical entailment Noul 16.0 72.0 12.2 来源 ↗
synthetic relevance / nanobeir / nanoarguana Noul 15.9 48.2 15.6 来源 ↗
followir news21 Noul 14.7 42.7 14.9 来源 ↗
open jev / snake v1 Noul 13.7 100.0 9.0 来源 ↗
aqua rat Choice 11.3 77.5 10.7 来源 ↗
open jev / tic tac toe v1 Choice 10.6 48.5 3.5 来源 ↗
spartqa Choice 8.1 38.7 4.4 来源 ↗
open jev / context retention control v1 Noul 8.0 100.0 19.0 来源 ↗
open jev / painting geometry v1 Score 4.3 100.0 15.2 来源 ↗
plane Noul 4.0 100.0 11.1 来源 ↗
tracie Noul 4.0 34.0 8.7 来源 ↗
argument quality Noul 0.8 23.9 5.4 来源 ↗
corr2cause Choice 0.0 91.7 3.8 来源 ↗
hh rlhf Choice 0.0 23.1 3.1 来源 ↗
nlsat Noul 0.0 22.0 2.1 来源 ↗
open jev / drone control v1 Choice 0.0 100.0 4.8 来源 ↗
open jev / drone control v1 Score 0.0 99.2 1.1 来源 ↗
open jev / entity alignment control v1 Score 0.0 100.0 8.1 来源 ↗
open jev / ir control v1 Score 0.0 98.6 10.1 来源 ↗
open jev / snake v1 Choice 0.0 83.5 8.1 来源 ↗
poem sentiment Choice 0.0 57.1 4.0 来源 ↗