decision.host
首页 / 模型 / Darwin-27B-ZTC-v2

Darwin-27B-ZTC-v2

FINAL-Bench ChoiceNoulScore 26B(活跃 24B) S1MB
S1MB Task Avg
66.5
第 1 名 · 覆盖 137/137(100%)

模型信息

厂商
FINAL-Bench
类别
开源权重
参数规模
26B(活跃 24B)
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 68.3 来源 ↗
open jev / citation control v1 Choice 100.0 100.0 43.6 来源 ↗
open jev / context retention control v1 Noul 100.0 100.0 21.2 来源 ↗
open jev / customer control v1 Noul 100.0 100.0 59.1 来源 ↗
open jev / drone control v1 Noul 100.0 100.0 52.5 来源 ↗
open jev / email selection control v1 Choice 100.0 100.0 26.3 来源 ↗
open jev / email selection control v1 Noul 100.0 100.0 43.5 来源 ↗
open jev / entity alignment control v1 Noul 100.0 100.0 38.9 来源 ↗
open jev / ir control v1 Noul 100.0 100.0 49.1 来源 ↗
open jev / mailroom control v1 Choice 100.0 100.0 83.8 来源 ↗
open jev / painting geometry v1 Choice 100.0 100.0 48.2 来源 ↗
open jev / painting geometry v1 Noul 100.0 100.0 29.2 来源 ↗
open jev / phone extraction control v1 Choice 100.0 100.0 34.9 来源 ↗
open jev / phone extraction control v1 Noul 100.0 100.0 52.9 来源 ↗
open jev / silent failure control v1 Noul 100.0 100.0 40.5 来源 ↗
open jev / sponsor segment control v1 Choice 100.0 100.0 54.3 来源 ↗
open jev / vizdoom basic v1 Noul 100.0 100.0 42.1 来源 ↗
open jev / workflow controls v1 / agent trace observability Noul 100.0 100.0 29.6 来源 ↗
s1mb generalization contextual choice Choice 100.0 100.0 83.3 来源 ↗
open jev / vizdoom basic v1 Score 99.3 100.0 32.3 来源 ↗
s1mb generalization diverse choice Choice 98.7 100.0 70.3 来源 ↗
open jev / ir control v1 Score 98.6 98.6 12.8 来源 ↗
arc Choice 98.5 98.5 65.1 来源 ↗
open jev / painting geometry v1 Score 98.5 100.0 17.2 来源 ↗
clinc Choice 97.9 99.3 58.8 来源 ↗
openbookqa Choice 97.2 97.2 54.7 来源 ↗
bbq Choice 96.7 98.3 54.5 来源 ↗
dbpedia Choice 96.6 98.9 84.2 来源 ↗
s1mb generalization contextual noul Noul 96.0 98.0 63.2 来源 ↗
s1mb generalization diverse noul Noul 96.0 100.0 60.5 来源 ↗
open jev / workflow controls v1 / invoice processing Noul 95.8 100.0 36.1 来源 ↗
open jev / mailroom control v1 Noul 95.6 100.0 64.0 来源 ↗
miqa Choice 95.5 95.5 63.0 来源 ↗
open jev / entity alignment control v1 Score 95.3 100.0 9.7 来源 ↗
open jev / reasoning control v1 Choice 95.0 95.0 29.8 来源 ↗
winobias Choice 93.5 93.5 30.9 来源 ↗
open jev / snake v1 Noul 92.0 100.0 9.9 来源 ↗
laya / enron spam Noul 92.0 100.0 55.5 来源 ↗
sdoh nli Noul 92.0 92.0 61.6 来源 ↗
argument quality Choice 91.8 95.9 39.4 来源 ↗
s1mb generalization diverse score Score 91.6 95.3 43.8 来源 ↗
open jev / customer control v1 Score 91.4 99.3 37.9 来源 ↗
open jev / workflow controls v1 / security incidents Noul 90.3 100.0 38.5 来源 ↗
open jev / workflow controls v1 / customer service Noul 90.3 100.0 43.7 来源 ↗
hatecheck Noul 90.0 98.0 47.9 来源 ↗
scone Choice 90.0 92.0 36.1 来源 ↗
massive Choice 89.6 96.7 65.7 来源 ↗
banking77 Choice 88.4 93.7 55.8 来源 ↗
open jev / amount extraction control v1 Choice 88.2 100.0 56.2 来源 ↗
open jev / ir control v1 Choice 88.0 88.0 45.8 来源 ↗
open jev / amount extraction control v1 Noul 87.5 100.0 35.2 来源 ↗
open jev / reasoning control v1 Score 87.4 90.7 28.7 来源 ↗
lonli Choice 86.9 86.9 40.5 来源 ↗
hwu64 Choice 86.2 92.5 58.1 来源 ↗
mtop Choice 85.7 87.4 59.7 来源 ↗
quartz Choice 85.7 88.1 50.2 来源 ↗
s1mb generalization contextual score Score 85.1 92.7 43.1 来源 ↗
snli Choice 82.3 98.4 47.8 来源 ↗
laya / ag news Choice 82.1 94.0 75.3 来源 ↗
creak Noul 82.0 88.0 39.1 来源 ↗
qasper Noul 82.0 88.0 42.5 来源 ↗
gsm8k Choice 81.4 81.4 25.2 来源 ↗
defeasible nli Choice 80.4 80.4 34.1 来源 ↗
contract nli Choice 80.3 80.3 33.7 来源 ↗
open jev / customer control v1 Choice 78.3 82.6 65.1 来源 ↗
impli Noul 76.0 88.0 47.7 来源 ↗
few nerd Choice 76.0 86.4 45.1 来源 ↗
arct Choice 74.5 89.4 40.5 来源 ↗
babi nli Noul 74.0 84.0 38.3 来源 ↗
hans Noul 72.0 100.0 44.8 来源 ↗
scitail Noul 72.0 98.0 54.3 来源 ↗
open jev / snake v1 Choice 71.1 83.5 9.2 来源 ↗
ethics Noul 71.0 71.0 24.8 来源 ↗
paws Noul 70.0 88.0 46.9 来源 ↗
ruletaker Noul 70.0 96.0 29.2 来源 ↗
synthetic relevance / nanobeir / nanonq Noul 69.7 69.7 40.4 来源 ↗
synthetic relevance / nanocoir Noul 69.5 73.0 34.4 来源 ↗
crows pairs Choice 68.8 70.8 31.1 来源 ↗
ethics Choice 66.7 83.3 21.7 来源 ↗
canttalk Noul 64.0 86.0 45.0 来源 ↗
ethos Noul 64.0 76.0 43.7 来源 ↗
open jev / reasoning control v1 Noul 64.0 100.0 25.7 来源 ↗
gretel pii Choice 61.4 94.5 44.3 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Noul 60.5 62.5 38.3 来源 ↗
cladder Noul 60.0 94.0 19.4 来源 ↗
boardgameqa Choice 59.4 62.5 16.6 来源 ↗
followir robust04 Noul 59.3 90.9 47.7 来源 ↗
laya / typed decisions Score 57.6 67.0 28.0 来源 ↗
robust lr Choice 55.0 66.7 19.7 来源 ↗
aqua rat Choice 54.9 77.5 11.5 来源 ↗
scicite Choice 54.8 71.0 44.6 来源 ↗
synthetic relevance / nanobeir / nanohotpotqa Noul 53.5 70.8 28.4 来源 ↗
synthetic relevance / nanobeir / nanoarguana Noul 53.5 53.5 16.4 来源 ↗
aegis2 Noul 53.4 62.3 33.6 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Noul 52.8 54.0 29.2 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Noul 48.9 52.1 29.5 来源 ↗
synthetic relevance / nanobeir / nanohotpotqa Score 45.9 63.6 14.8 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Noul 45.9 47.0 27.3 来源 ↗
sgd Choice 45.8 96.6 25.2 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Score 45.6 52.6 19.2 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Score 45.0 45.0 18.7 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Score 42.8 46.7 16.2 来源 ↗
laya / typed decisions Noul 41.7 47.8 25.1 来源 ↗
stepgame Choice 41.7 82.1 18.6 来源 ↗
ud ewt Choice 40.8 56.7 13.9 来源 ↗
go emotions Noul 40.8 61.3 38.2 来源 ↗
patent similarity Score 40.6 48.3 18.7 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Noul 40.5 46.2 25.5 来源 ↗
lexcomp Noul 40.0 52.0 23.3 来源 ↗
fol nli Choice 39.3 54.1 10.9 来源 ↗
synthetic relevance / nanobeir / nanoarguana Score 39.3 39.3 8.0 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Noul 39.0 41.7 17.6 来源 ↗
temporal nli Choice 38.7 80.7 19.5 来源 ↗
synthetic relevance / nanobeir / nanonq Score 38.3 49.4 10.2 来源 ↗
winowhy Noul 38.0 62.0 19.4 来源 ↗
followir core17 Noul 37.2 46.6 21.7 来源 ↗
esci Choice 35.6 46.6 13.8 来源 ↗
open jev / drone control v1 Score 35.6 99.2 2.0 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Score 35.5 38.6 11.6 来源 ↗
tracie Noul 34.0 34.0 9.1 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Score 33.7 44.3 21.4 来源 ↗
synthetic relevance / nanocoir Score 32.5 44.3 4.6 来源 ↗
laya / typed decisions Choice 31.6 34.5 19.5 来源 ↗
open jev / drone control v1 Choice 29.8 100.0 5.6 来源 ↗
wiqa Choice 28.6 58.7 20.4 来源 ↗
spartqa Choice 27.4 38.7 4.9 来源 ↗
civil comments Noul 25.0 36.7 21.6 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Score 24.8 36.7 7.7 来源 ↗
logical entailment Noul 20.0 72.0 12.4 来源 ↗
corr2cause Choice 18.3 91.7 4.1 来源 ↗
followir news21 Noul 18.0 42.7 15.3 来源 ↗
open jev / tic tac toe v1 Choice 10.6 48.5 3.5 来源 ↗
argument quality Noul 10.3 23.9 5.5 来源 ↗
hh rlhf Choice 10.3 23.1 3.1 来源 ↗
nlsat Noul 2.0 22.0 2.3 来源 ↗
plane Noul 0.0 100.0 12.0 来源 ↗
poem sentiment Choice 0.0 57.1 4.7 来源 ↗