jiwo 0.8B v2
Decision Index Full
26.4
第 100 名 · public 29.4
校准 ECE
0.068
越低越好 · Brier 0.541
模型信息
- 类别
- 开源权重
- 参数规模
- 752M
- 基座模型
- Qwen/Qwen3.5-0.8B
- 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
- 训练方式
- full fine-tune
Decision Index 领域得分
知识与推理
49.1
语言理解
64.7
检索与分类
66.8
工具与自动化
65.7
艺术与人类品味
41.5
Decision Index · 42 个基准
| 基准 | 类型 | 该模型 | 全场最佳 | 全场均值 | 对比 | 来源 |
|---|---|---|---|---|---|---|
| ARC-Easy | 混合（Choice | 84.8 | 99.5 | 88.0 | 来源 ↗ | |
| CLINC150 | 混合（Choice | 81.3 | 97.4 | 71.1 | 来源 ↗ | |
| FinEntity | 混合（Choice | 79.7 | 97.1 | 75.5 | 来源 ↗ | |
| ContractNLI | 混合（Choice | 79.7 | 86.5 | 62.8 | 来源 ↗ | |
| BFCL | 混合（Choice | 79.0 | 98.8 | 81.9 | 来源 ↗ | |
| HellaSwag | 混合（Choice | 74.6 | 98.5 | 75.3 | 来源 ↗ | |
| ARC-Challenge | 混合（Choice | 70.4 | 98.2 | 80.4 | 来源 ↗ | |
| RAGTruth | 混合（Choice | 68.9 | 86.0 | 55.7 | 来源 ↗ | |
| RouterBench | 混合（Choice | 68.2 | 80.1 | 73.6 | 来源 ↗ | |
| PhishNChips | 混合（Choice | 65.2 | 99.9 | 63.2 | 来源 ↗ | |
| NLI4CT | 混合（Choice | 63.8 | 86.3 | 70.3 | 来源 ↗ | |
| BANKING77 | 混合（Choice | 63.6 | 94.1 | 71.5 | 来源 ↗ | |
| When2Call | 混合（Choice | 61.7 | 92.2 | 61.1 | 来源 ↗ | |
| ToolRet | 混合（Choice | 61.7 | 70.6 | 56.2 | 来源 ↗ | |
| MuSR | 混合（Choice | 58.2 | 86.2 | 56.4 | 来源 ↗ | |
| HoVer | 混合（Choice | 57.4 | 89.4 | 65.9 | 来源 ↗ | |
| cfcolor | 混合（Choice | 56.9 | 72.9 | 58.4 | 来源 ↗ | |
| WinoGrande | 混合（Choice | 55.7 | 97.5 | 71.7 | 来源 ↗ | |
| Humicroedit | 混合（Choice | 55.0 | 75.1 | 57.6 | 来源 ↗ | |
| CLadder | 混合（Choice | 54.0 | 97.7 | 63.8 | 来源 ↗ | |
| BPoMP | 混合（Choice | 50.8 | 98.2 | 74.9 | 来源 ↗ | |
| MMLU | 混合（Choice | 50.8 | 91.9 | 65.6 | 来源 ↗ | |
| SGD | 混合（Choice | 50.3 | 73.4 | 46.0 | 来源 ↗ | |
| BBH | 混合（Choice | 49.4 | 92.9 | 59.7 | 来源 ↗ | |
| Amazon ESCI | 混合（Choice | 48.4 | 61.6 | 42.4 | 来源 ↗ | |
| ANLI | 混合（Choice | 45.5 | 98.6 | 55.4 | 来源 ↗ | |
| New Yorker | 混合（Choice | 45.1 | 82.0 | 54.9 | 来源 ↗ | |
| Habermas | 混合（Choice | 43.7 | 71.8 | 42.5 | 来源 ↗ | |
| VAST | 混合（Choice | 38.3 | 82.0 | 53.3 | 来源 ↗ | |
| BRIGHT | 混合（Choice | 37.0 | 50.9 | 36.6 | 来源 ↗ | |
| CRUXEval | 混合（Choice | 34.2 | 87.9 | 52.6 | 来源 ↗ | |
| MMLU-Pro | 混合（Choice | 28.8 | 83.3 | 44.0 | 来源 ↗ | |
| GPQA Diamond | 混合（Choice | 28.6 | 78.3 | 38.4 | 来源 ↗ | |
| iSarcasmEval | 混合（Choice | 26.0 | 71.2 | 40.0 | 来源 ↗ | |
| GSM8K | 混合（Choice | 22.2 | 86.7 | 38.7 | 来源 ↗ | |
| SATA-Bench | 混合（Choice | 17.6 | 37.2 | 20.4 | 来源 ↗ | |
| API-Bank | 混合（Choice | 14.4 | 93.1 | 58.9 | 来源 ↗ | |
| HLE | 混合（Choice | 14.2 | 20.4 | 12.3 | 来源 ↗ | |
| Home appliances | 混合（Choice | 12.5 | 100.0 | 27.6 | 来源 ↗ | |
| ChessBench | 混合（Choice | 9.5 | 40.2 | 14.4 | 来源 ↗ | |
| ACOS | 混合（Choice | 7.8 | 57.3 | 16.0 | 来源 ↗ | |
| POP909 | 混合（Choice | 1.0 | 81.7 | 15.5 | 来源 ↗ |