decision.host
首页 / 模型 / saihai-8b

saihai-8b

hotchpotch ChoiceNoulScore 8.6B(活跃 7.8B) S1MB
S1MB Task Avg
50.7
第 60 名 · 覆盖 137/137(100%)

模型信息

厂商
hotchpotch
类别
开源权重
参数规模
8.6B(活跃 7.8B)
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 · 164 个基准

基准类型该模型全场最佳 全场均值对比来源
open jev / ir control v1 Noul 100.0 100.0 60.3 来源 ↗
open jev / mailroom control v1 Choice 100.0 100.0 89.6 来源 ↗
open jev / sponsor segment control v1 Choice 100.0 100.0 66.4 来源 ↗
open jev / vizdoom basic v1 Noul 100.0 100.0 53.2 来源 ↗
generalization japanese diverse Choice 99.5 100.0 94.2 来源 ↗
generalization japanese diverse Noul 99.3 100.0 91.4 来源 ↗
s1mb generalization contextual choice Choice 98.7 100.0 88.7 来源 ↗
open jev / browser control v1 Choice 97.8 100.0 76.5 来源 ↗
dbpedia Choice 97.8 98.9 88.9 来源 ↗
open jev / citation control v1 Choice 97.0 100.0 55.9 来源 ↗
laya / enron spam Noul 96.0 100.0 64.9 来源 ↗
jmteb retrieval Choice 94.9 98.7 90.0 来源 ↗
generalization japanese knowledge hard Choice 94.2 99.6 88.0 来源 ↗
jcommonsenseqa Choice 93.8 97.9 87.6 来源 ↗
s1mb generalization diverse noul Noul 92.0 100.0 70.7 来源 ↗
s1mb generalization contextual noul Noul 90.0 100.0 72.1 来源 ↗
open jev / email selection control v1 Choice 89.6 100.0 38.4 来源 ↗
open jev / painting geometry v1 Choice 89.5 100.0 60.5 来源 ↗
janli Choice 88.9 88.9 41.7 来源 ↗
miqa Choice 88.6 97.7 71.1 来源 ↗
open jev / drone control v1 Noul 88.2 100.0 63.8 来源 ↗
s1mb generalization diverse choice Choice 88.1 100.0 78.1 来源 ↗
commonsensemoralja Noul 88.0 89.3 67.8 来源 ↗
sdoh nli Noul 88.0 100.0 70.0 来源 ↗
arc Choice 86.8 98.5 73.8 来源 ↗
bbq Choice 86.7 98.3 64.5 来源 ↗
openbookqa Choice 86.1 98.6 64.4 来源 ↗
argument quality Choice 85.7 95.9 53.3 来源 ↗
massive Choice 84.6 97.8 73.4 来源 ↗
open jev / email selection control v1 Noul 84.6 100.0 56.9 来源 ↗
open jev / amount extraction control v1 Noul 84.4 100.0 44.2 来源 ↗
open jev / amount extraction control v1 Choice 84.3 100.0 63.2 来源 ↗
laya / ag news Choice 83.6 94.0 77.7 来源 ↗
ethics Choice 83.3 100.0 28.5 来源 ↗
open jev / workflow controls v1 / invoice processing Noul 82.7 100.0 47.0 来源 ↗
open jev / customer control v1 Choice 82.6 82.6 71.5 来源 ↗
open jev / customer control v1 Noul 82.3 100.0 68.3 来源 ↗
snli Choice 82.3 98.4 59.9 来源 ↗
hans Noul 82.0 100.0 53.1 来源 ↗
scitail Noul 82.0 98.0 63.4 来源 ↗
open jev / mailroom control v1 Noul 81.9 100.0 73.2 来源 ↗
open jev / phone extraction control v1 Noul 81.8 100.0 63.9 来源 ↗
jamp Choice 81.5 81.5 50.0 来源 ↗
canttalk Noul 80.0 92.0 50.5 来源 ↗
impli Noul 80.0 96.0 57.1 来源 ↗
quartz Choice 78.6 90.5 59.4 来源 ↗
open jev / silent failure control v1 Noul 78.0 100.0 49.8 来源 ↗
banking77 Choice 77.9 93.7 64.2 来源 ↗
hwu64 Choice 77.7 95.7 67.3 来源 ↗
open jev / phone extraction control v1 Choice 76.1 100.0 44.4 来源 ↗
hatecheck Noul 76.0 100.0 57.5 来源 ↗
kuci Choice 76.0 85.8 64.3 来源 ↗
s1mb generalization contextual score Score 75.5 99.3 52.6 来源 ↗
clinc Choice 75.2 99.3 70.5 来源 ↗
mtop Choice 74.3 93.2 67.4 来源 ↗
jmmlu japan Choice 73.8 94.2 68.4 来源 ↗
followir robust04 Noul 72.3 90.9 53.7 来源 ↗
gretel pii Choice 72.1 94.8 51.1 来源 ↗
open jev / ir control v1 Choice 72.0 88.0 55.5 来源 ↗
winobias Choice 71.7 95.7 42.7 来源 ↗
jnli Choice 71.5 87.5 68.4 来源 ↗
creak Noul 70.0 90.0 48.2 来源 ↗
open jev / context retention control v1 Noul 70.0 100.0 35.2 来源 ↗
arct Choice 68.1 89.4 49.3 来源 ↗
s1mb generalization diverse score Score 67.5 97.6 52.7 来源 ↗
ethos Noul 66.0 76.0 49.5 来源 ↗
paws Noul 66.0 92.0 52.5 来源 ↗
jsts Score 65.8 69.9 55.3 来源 ↗
lonli Choice 65.6 98.4 52.8 来源 ↗
open jev / workflow controls v1 / agent trace observability Noul 65.4 100.0 39.4 来源 ↗
scone Choice 64.0 98.0 48.5 来源 ↗
synthetic relevance / nanobeir / nanonq Noul 63.9 72.7 48.0 来源 ↗
aegis2 Noul 63.8 68.3 39.6 来源 ↗
few nerd Choice 63.1 87.8 52.9 来源 ↗
defeasible nli Choice 63.0 89.1 43.1 来源 ↗
open jev / workflow controls v1 / customer service Noul 62.8 100.0 53.7 来源 ↗
ruletaker Noul 62.0 100.0 39.3 来源 ↗
laya / typed decisions Score 61.9 76.0 35.4 来源 ↗
open jev / entity alignment control v1 Noul 60.7 100.0 50.6 来源 ↗
babi nli Noul 60.0 96.0 48.5 来源 ↗
synthetic relevance / nanocoir Noul 59.0 73.6 42.2 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Noul 58.7 64.1 45.3 来源 ↗
jsem Choice 56.9 69.2 45.9 来源 ↗
synthetic relevance / nanobeir / nanohotpotqa Noul 56.6 78.9 36.1 来源 ↗
scicite Choice 56.5 74.2 49.4 来源 ↗
temporal nli Choice 56.5 100.0 28.0 来源 ↗
generalization japanese knowledge hard Noul 54.7 87.3 50.6 来源 ↗
ethics Noul 53.8 80.6 33.4 来源 ↗
open jev / workflow controls v1 / security incidents Noul 53.6 100.0 50.0 来源 ↗
jcola Noul 52.5 57.2 21.6 来源 ↗
lexcomp Noul 52.0 60.0 27.7 来源 ↗
poem sentiment Choice 51.4 68.6 9.3 来源 ↗
qasper Noul 50.0 88.0 51.4 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Noul 49.8 58.0 35.3 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Noul 49.3 53.2 33.8 来源 ↗
open jev / reasoning control v1 Score 48.8 96.3 38.3 来源 ↗
jsick sts Score 48.6 61.5 40.1 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Noul 48.5 48.5 21.5 来源 ↗
contract nli Choice 47.7 81.6 43.0 来源 ↗
go emotions Noul 47.0 63.4 42.1 来源 ↗
mmmlu Choice 46.7 78.2 52.8 来源 ↗
ud ewt Choice 46.6 96.0 19.6 来源 ↗
open jev / ir control v1 Score 45.4 100.0 23.0 来源 ↗
open jev / painting geometry v1 Noul 44.8 100.0 42.0 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Noul 44.5 49.7 29.6 来源 ↗
followir news21 Noul 44.0 58.0 18.4 来源 ↗
open jev / customer control v1 Score 43.4 99.3 44.4 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Noul 43.3 48.2 32.3 来源 ↗
wiqa Choice 42.9 68.3 24.0 来源 ↗
generalization japanese knowledge hard Score 42.0 84.6 45.3 来源 ↗
tracie Noul 42.0 68.0 14.4 来源 ↗
crows pairs Choice 41.7 77.1 37.9 来源 ↗
laya / typed decisions Noul 41.1 49.2 29.9 来源 ↗
cladder Noul 40.0 94.0 28.5 来源 ↗
synthetic relevance / nanobeir / nanohotpotqa Score 38.7 71.8 20.9 来源 ↗
winowhy Noul 36.0 66.0 25.9 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Score 35.4 50.3 23.4 来源 ↗
patent similarity Score 35.4 53.0 24.0 来源 ↗
robust lr Choice 35.0 98.3 29.3 来源 ↗
civil comments Noul 34.2 52.8 25.2 来源 ↗
open jev / vizdoom basic v1 Score 34.2 100.0 42.3 来源 ↗
mintaka ja boolean Noul 34.0 68.0 37.5 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Score 33.9 49.4 25.5 来源 ↗
open jev / reasoning control v1 Noul 33.5 100.0 34.3 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Score 31.9 57.3 25.0 来源 ↗
stepgame Choice 30.9 82.1 24.8 来源 ↗
jamc qa Choice 30.2 65.3 23.0 来源 ↗
laya / typed decisions Choice 29.7 35.7 23.3 来源 ↗
synthetic relevance / nanobeir / nanoarguana Noul 29.4 53.5 22.0 来源 ↗
sobaco culture Choice 28.5 80.5 30.6 来源 ↗
followir core17 Noul 27.9 46.6 25.2 来源 ↗
sgd Choice 27.1 96.6 28.6 来源 ↗
open jev / reasoning control v1 Choice 25.0 100.0 41.7 来源 ↗
synthetic relevance / nanobeir / nanoarguana Score 24.9 43.2 10.3 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Score 24.2 40.9 15.8 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Score 23.9 49.0 21.0 来源 ↗
boardgameqa Choice 23.4 90.6 24.4 来源 ↗
hh rlhf Choice 23.1 33.3 4.5 来源 ↗
open jev / snake v1 Noul 22.3 100.0 19.1 来源 ↗
mmlu prox ja Choice 21.5 69.5 39.5 来源 ↗
synthetic relevance / nanobeir / nanonq Score 20.4 54.3 13.3 来源 ↗
plane Noul 20.0 100.0 12.6 来源 ↗
fol nli Choice 19.7 75.4 17.3 来源 ↗
logical entailment Noul 18.0 84.0 18.7 来源 ↗
gpqa ja main Choice 16.4 54.7 20.9 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Score 15.8 36.7 10.7 来源 ↗
argument quality Noul 15.7 30.2 7.8 来源 ↗
generalization japanese math formal hard Choice 14.2 48.4 21.0 来源 ↗
gsm8k Choice 11.4 95.7 38.0 来源 ↗
open jev / entity alignment control v1 Score 10.6 100.0 18.4 来源 ↗
nlsat Noul 10.0 22.0 3.2 来源 ↗
corr2cause Choice 8.3 91.7 9.3 来源 ↗
spartqa Choice 8.1 93.5 14.0 来源 ↗
open jev / drone control v1 Choice 7.9 100.0 13.4 来源 ↗
jculture mcq Noul 7.6 44.3 12.8 来源 ↗
esci Choice 6.8 49.3 17.5 来源 ↗
synthetic relevance / nanocoir Score 6.3 43.8 6.8 来源 ↗
generalization japanese math formal hard Noul 2.7 34.7 10.6 来源 ↗
aqua rat Choice 0.0 83.1 19.7 来源 ↗
generalization japanese math formal hard Score 0.0 6.9 0.9 来源 ↗
open jev / drone control v1 Score 0.0 100.0 7.2 来源 ↗
open jev / painting geometry v1 Score 0.0 100.0 29.7 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 ↗