decision.host
首页 / 模型 / Darwin-27B-ZTC-v5

Darwin-27B-ZTC-v5

FINAL-Bench ChoiceNoulScore 26B(活跃 24B) S1MB
S1MB Task Avg
70.6
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
hans Noul 100.0 100.0 47.8 来源 ↗
open jev / amount extraction control v1 Choice 100.0 100.0 59.1 来源 ↗
open jev / browser control v1 Choice 100.0 100.0 72.5 来源 ↗
open jev / citation control v1 Choice 100.0 100.0 49.2 来源 ↗
open jev / context retention control v1 Noul 100.0 100.0 27.7 来源 ↗
open jev / customer control v1 Noul 100.0 100.0 62.8 来源 ↗
open jev / drone control v1 Noul 100.0 100.0 59.1 来源 ↗
open jev / email selection control v1 Choice 100.0 100.0 31.4 来源 ↗
open jev / email selection control v1 Noul 100.0 100.0 49.2 来源 ↗
open jev / entity alignment control v1 Noul 100.0 100.0 44.5 来源 ↗
open jev / ir control v1 Noul 100.0 100.0 54.8 来源 ↗
open jev / mailroom control v1 Choice 100.0 100.0 86.5 来源 ↗
open jev / painting geometry v1 Choice 100.0 100.0 53.2 来源 ↗
open jev / painting geometry v1 Noul 100.0 100.0 35.4 来源 ↗
open jev / phone extraction control v1 Choice 100.0 100.0 39.4 来源 ↗
open jev / phone extraction control v1 Noul 100.0 100.0 57.4 来源 ↗
open jev / silent failure control v1 Noul 100.0 100.0 43.8 来源 ↗
open jev / sponsor segment control v1 Choice 100.0 100.0 60.7 来源 ↗
open jev / vizdoom basic v1 Noul 100.0 100.0 46.5 来源 ↗
open jev / workflow controls v1 / agent trace observability Noul 100.0 100.0 34.1 来源 ↗
s1mb generalization contextual choice Choice 100.0 100.0 86.0 来源 ↗
s1mb generalization diverse choice Choice 100.0 100.0 74.3 来源 ↗
s1mb generalization diverse noul Noul 100.0 100.0 66.2 来源 ↗
open jev / vizdoom basic v1 Score 100.0 100.0 35.8 来源 ↗
open jev / entity alignment control v1 Score 100.0 100.0 12.9 来源 ↗
open jev / painting geometry v1 Score 99.9 100.0 22.2 来源 ↗
open jev / ir control v1 Score 99.7 99.7 16.5 来源 ↗
arc Choice 98.5 98.5 69.7 来源 ↗
open jev / customer control v1 Score 98.4 99.3 40.5 来源 ↗
s1mb generalization contextual noul Noul 98.0 100.0 68.3 来源 ↗
scitail Noul 98.0 98.0 57.5 来源 ↗
miqa Choice 97.7 97.7 67.3 来源 ↗
open jev / snake v1 Noul 97.3 100.0 14.3 来源 ↗
open jev / workflow controls v1 / customer service Noul 97.3 100.0 49.2 来源 ↗
clinc Choice 97.2 99.3 65.8 来源 ↗
open jev / amount extraction control v1 Noul 96.9 100.0 38.6 来源 ↗
dbpedia Choice 96.6 98.9 86.0 来源 ↗
openbookqa Choice 95.8 97.2 59.2 来源 ↗
open jev / workflow controls v1 / invoice processing Noul 95.8 100.0 41.4 来源 ↗
babi nli Noul 94.0 94.0 42.8 来源 ↗
laya / enron spam Noul 94.0 100.0 60.8 来源 ↗
scone Choice 94.0 98.0 41.5 来源 ↗
winobias Choice 93.5 93.5 36.5 来源 ↗
bbq Choice 93.3 98.3 60.5 来源 ↗
open jev / mailroom control v1 Noul 93.3 100.0 68.3 来源 ↗
s1mb generalization diverse score Score 93.3 96.3 47.4 来源 ↗
open jev / reasoning control v1 Score 92.5 95.1 32.5 来源 ↗
open jev / drone control v1 Score 92.3 99.2 4.4 来源 ↗
plane Noul 92.0 100.0 11.8 来源 ↗
banking77 Choice 91.6 93.7 60.3 来源 ↗
quartz Choice 90.5 90.5 54.8 来源 ↗
s1mb generalization contextual score Score 90.5 97.3 47.3 来源 ↗
open jev / workflow controls v1 / security incidents Noul 90.3 100.0 43.8 来源 ↗
lonli Choice 90.2 96.7 46.3 来源 ↗
open jev / reasoning control v1 Choice 90.0 100.0 35.4 来源 ↗
sdoh nli Noul 90.0 94.0 65.0 来源 ↗
massive Choice 89.6 96.7 69.6 来源 ↗
creak Noul 88.0 90.0 43.4 来源 ↗
open jev / ir control v1 Choice 88.0 88.0 51.3 来源 ↗
qasper Noul 88.0 88.0 47.4 来源 ↗
ruletaker Noul 88.0 100.0 32.5 来源 ↗
mtop Choice 86.3 88.6 63.7 来源 ↗
argument quality Choice 85.7 95.9 45.5 来源 ↗
hwu64 Choice 85.1 93.6 63.2 来源 ↗
impli Noul 84.0 88.0 52.0 来源 ↗
laya / ag news Choice 83.6 94.0 75.4 来源 ↗
open jev / customer control v1 Choice 82.6 82.6 68.6 来源 ↗
open jev / reasoning control v1 Noul 82.0 100.0 29.6 来源 ↗
gsm8k Choice 81.4 95.7 30.8 来源 ↗
arct Choice 80.8 89.4 43.7 来源 ↗
logical entailment Noul 80.0 80.0 14.1 来源 ↗
contract nli Choice 79.9 80.3 37.8 来源 ↗
snli Choice 79.0 98.4 53.1 来源 ↗
defeasible nli Choice 78.3 87.0 37.9 来源 ↗
hatecheck Noul 78.0 98.0 52.2 来源 ↗
open jev / snake v1 Choice 77.3 83.5 13.4 来源 ↗
few nerd Choice 77.1 86.4 48.9 来源 ↗
paws Noul 74.0 90.0 48.8 来源 ↗
crows pairs Choice 70.8 70.8 34.1 来源 ↗
synthetic relevance / nanobeir / nanonq Noul 68.7 71.2 44.4 来源 ↗
ethics Choice 66.7 83.3 24.6 来源 ↗
canttalk Noul 66.0 92.0 48.1 来源 ↗
ethics Noul 65.7 75.6 28.6 来源 ↗
synthetic relevance / nanocoir Noul 65.6 73.0 38.6 来源 ↗
gretel pii Choice 65.3 94.5 48.0 来源 ↗
followir robust04 Noul 62.9 90.9 51.2 来源 ↗
cladder Noul 62.0 94.0 22.8 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Noul 62.0 63.0 41.7 来源 ↗
ethos Noul 60.0 76.0 47.1 来源 ↗
robust lr Choice 60.0 66.7 23.4 来源 ↗
tracie Noul 60.0 60.0 10.4 来源 ↗
synthetic relevance / nanobeir / nanohotpotqa Noul 58.5 77.7 32.2 来源 ↗
aegis2 Noul 58.2 64.9 36.6 来源 ↗
laya / typed decisions Score 55.0 76.0 32.2 来源 ↗
scicite Choice 54.8 71.0 46.0 来源 ↗
aqua rat Choice 53.5 83.1 14.8 来源 ↗
synthetic relevance / nanobeir / nanohotpotqa Score 53.5 63.6 16.4 来源 ↗
lexcomp Noul 52.0 60.0 24.9 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Score 50.7 54.9 21.3 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Noul 50.2 58.0 32.3 来源 ↗
boardgameqa Choice 50.0 75.0 19.8 来源 ↗
temporal nli Choice 50.0 83.9 21.4 来源 ↗
sgd Choice 49.1 96.6 26.4 来源 ↗
winowhy Noul 48.0 64.0 21.7 来源 ↗
synthetic relevance / nanobeir / nanoarguana Noul 47.9 53.5 19.2 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Score 47.7 47.7 20.4 来源 ↗
laya / typed decisions Noul 46.8 49.2 27.5 来源 ↗
go emotions Noul 46.3 63.4 40.4 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Noul 46.0 47.0 29.5 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Noul 45.6 52.1 32.3 来源 ↗
stepgame Choice 45.2 82.1 20.9 来源 ↗
synthetic relevance / nanobeir / nanonq Score 44.7 49.4 11.1 来源 ↗
ud ewt Choice 43.3 64.1 15.6 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Noul 43.0 46.6 20.4 来源 ↗
civil comments Noul 42.8 42.8 23.2 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Score 42.4 46.7 17.8 来源 ↗
patent similarity Score 40.9 48.3 20.6 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Score 38.6 47.5 23.2 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Noul 38.1 49.7 28.1 来源 ↗
synthetic relevance / nanobeir / nanoarguana Score 38.0 43.1 9.0 来源 ↗
wiqa Choice 36.5 60.3 21.2 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Score 36.1 38.6 13.1 来源 ↗
laya / typed decisions Choice 35.5 35.5 21.5 来源 ↗
followir core17 Noul 35.0 46.6 23.6 来源 ↗
spartqa Choice 32.3 91.9 7.4 来源 ↗
esci Choice 31.5 46.6 15.0 来源 ↗
synthetic relevance / nanocoir Score 31.1 44.3 5.3 来源 ↗
followir news21 Noul 28.7 48.0 17.4 来源 ↗
fol nli Choice 27.9 68.8 12.9 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Score 25.3 36.7 8.5 来源 ↗
open jev / drone control v1 Choice 21.1 100.0 9.3 来源 ↗
argument quality Noul 18.4 26.9 6.6 来源 ↗
poem sentiment Choice 14.3 68.6 5.3 来源 ↗
corr2cause Choice 10.0 91.7 4.3 来源 ↗
open jev / tic tac toe v1 Choice 9.1 54.5 4.4 来源 ↗
nlsat Noul 8.0 22.0 2.8 来源 ↗
hh rlhf Choice 7.7 33.3 3.4 来源 ↗