decision.host
首页 / 模型 / Sqwish kettei-chub v1.0 (API)

Sqwish kettei-chub v1.0 (API)

未知厂商 ChoiceNoulScore S1MB
S1MB Task Avg
59.9
第 35 名 · 覆盖 137/137(100%)

模型信息

类别
开源权重
参数规模
未公开
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 / browser control v1 Choice 100.0 100.0 76.5 来源 ↗
open jev / citation control v1 Choice 100.0 100.0 55.9 来源 ↗
open jev / customer control v1 Noul 100.0 100.0 68.3 来源 ↗
open jev / drone control v1 Noul 100.0 100.0 63.8 来源 ↗
open jev / email selection control v1 Noul 100.0 100.0 56.9 来源 ↗
open jev / mailroom control v1 Choice 100.0 100.0 89.6 来源 ↗
open jev / painting geometry v1 Choice 100.0 100.0 60.5 来源 ↗
open jev / painting geometry v1 Noul 100.0 100.0 42.0 来源 ↗
open jev / phone extraction control v1 Noul 100.0 100.0 63.9 来源 ↗
open jev / vizdoom basic v1 Noul 100.0 100.0 53.2 来源 ↗
s1mb generalization contextual choice Choice 100.0 100.0 88.7 来源 ↗
s1mb generalization diverse noul Noul 100.0 100.0 70.7 来源 ↗
generalization japanese diverse Choice 99.5 100.0 94.2 来源 ↗
hatecheck Noul 98.0 100.0 57.5 来源 ↗
dbpedia Choice 97.8 98.9 88.9 来源 ↗
generalization japanese diverse Noul 97.3 100.0 91.4 来源 ↗
open jev / amount extraction control v1 Noul 96.9 100.0 44.2 来源 ↗
clinc Choice 96.5 99.3 70.5 来源 ↗
jmteb retrieval Choice 96.2 98.7 90.0 来源 ↗
s1mb generalization diverse choice Choice 96.0 100.0 78.1 来源 ↗
open jev / silent failure control v1 Noul 96.0 100.0 49.8 来源 ↗
s1mb generalization contextual noul Noul 96.0 100.0 72.1 来源 ↗
openbookqa Choice 95.8 98.6 64.4 来源 ↗
generalization japanese knowledge hard Choice 95.6 99.6 88.0 来源 ↗
massive Choice 95.1 97.8 73.4 来源 ↗
jcommonsenseqa Choice 95.0 97.9 87.6 来源 ↗
robust lr Choice 95.0 98.3 29.3 来源 ↗
open jev / sponsor segment control v1 Choice 94.9 100.0 66.4 来源 ↗
sdoh nli Noul 94.0 100.0 70.0 来源 ↗
lonli Choice 93.4 98.4 52.8 来源 ↗
arc Choice 92.7 98.5 73.8 来源 ↗
open jev / mailroom control v1 Noul 92.5 100.0 73.2 来源 ↗
babi nli Noul 92.0 96.0 48.5 来源 ↗
impli Noul 92.0 96.0 57.1 来源 ↗
laya / enron spam Noul 92.0 100.0 64.9 来源 ↗
snli Choice 91.9 98.4 59.9 来源 ↗
argument quality Choice 91.8 95.9 53.3 来源 ↗
bbq Choice 91.7 98.3 64.5 来源 ↗
open jev / vizdoom basic v1 Score 91.3 100.0 42.3 来源 ↗
cladder Noul 90.0 94.0 28.5 来源 ↗
paws Noul 90.0 92.0 52.5 来源 ↗
hwu64 Choice 89.4 95.7 67.3 来源 ↗
open jev / entity alignment control v1 Noul 88.9 100.0 50.6 来源 ↗
miqa Choice 88.6 97.7 71.1 来源 ↗
scone Choice 88.0 98.0 48.5 来源 ↗
s1mb generalization contextual score Score 86.1 99.3 52.6 来源 ↗
open jev / ir control v1 Noul 85.7 100.0 60.3 来源 ↗
open jev / reasoning control v1 Score 85.4 96.3 38.3 来源 ↗
s1mb generalization diverse score Score 85.3 97.6 52.7 来源 ↗
mtop Choice 85.2 93.2 67.4 来源 ↗
laya / ag news Choice 85.1 94.0 77.7 来源 ↗
open jev / reasoning control v1 Choice 85.0 100.0 41.7 来源 ↗
gretel pii Choice 84.4 94.8 51.1 来源 ↗
open jev / email selection control v1 Choice 84.3 100.0 38.4 来源 ↗
banking77 Choice 84.2 93.7 64.2 来源 ↗
ruletaker Noul 84.0 100.0 39.3 来源 ↗
commonsensemoralja Noul 83.3 89.3 67.8 来源 ↗
open jev / customer control v1 Choice 82.6 82.6 71.5 来源 ↗
jnli Choice 82.0 87.5 68.4 来源 ↗
few nerd Choice 81.7 87.8 52.9 来源 ↗
quartz Choice 81.0 90.5 59.4 来源 ↗
open jev / workflow controls v1 / security incidents Noul 80.5 100.0 50.0 来源 ↗
scitail Noul 80.0 98.0 63.4 来源 ↗
sgd Choice 79.7 96.6 28.6 来源 ↗
open jev / workflow controls v1 / customer service Noul 79.5 100.0 53.7 来源 ↗
defeasible nli Choice 78.3 89.1 43.1 来源 ↗
creak Noul 78.0 90.0 48.2 来源 ↗
open jev / amount extraction control v1 Choice 76.5 100.0 63.2 来源 ↗
hans Noul 76.0 100.0 53.1 来源 ↗
open jev / workflow controls v1 / agent trace observability Noul 75.6 100.0 39.4 来源 ↗
followir robust04 Noul 75.4 90.9 53.7 来源 ↗
scicite Choice 74.2 74.2 49.4 来源 ↗
open jev / phone extraction control v1 Choice 73.9 100.0 44.4 来源 ↗
winobias Choice 73.9 95.7 42.7 来源 ↗
crows pairs Choice 72.9 77.1 37.9 来源 ↗
jmmlu japan Choice 72.9 94.2 68.4 来源 ↗
arct Choice 72.3 89.4 49.3 来源 ↗
open jev / workflow controls v1 / invoice processing Noul 71.1 100.0 47.0 来源 ↗
spartqa Choice 71.0 93.5 14.0 来源 ↗
contract nli Choice 70.0 81.6 43.0 来源 ↗
tracie Noul 68.0 68.0 14.4 来源 ↗
synthetic relevance / nanobeir / nanonq Noul 67.4 72.7 48.0 来源 ↗
jsts Score 67.2 69.9 55.3 来源 ↗
ethics Choice 66.7 100.0 28.5 来源 ↗
open jev / ir control v1 Score 66.4 100.0 23.0 来源 ↗
ethics Noul 66.1 80.6 33.4 来源 ↗
qasper Noul 66.0 88.0 51.4 来源 ↗
kuci Choice 65.8 85.8 64.3 来源 ↗
mmmlu Choice 65.8 78.2 52.8 来源 ↗
generalization japanese knowledge hard Noul 65.3 87.3 50.6 来源 ↗
synthetic relevance / nanobeir / nanohotpotqa Noul 64.7 78.9 36.1 来源 ↗
gsm8k Choice 64.3 95.7 38.0 来源 ↗
jsem Choice 60.6 69.2 45.9 来源 ↗
generalization japanese knowledge hard Score 60.2 84.6 45.3 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Noul 60.0 64.1 45.3 来源 ↗
stepgame Choice 59.5 82.1 24.8 来源 ↗
aegis2 Noul 59.3 68.3 39.6 来源 ↗
open jev / customer control v1 Score 58.7 99.3 44.4 来源 ↗
open jev / reasoning control v1 Noul 58.5 100.0 34.3 来源 ↗
open jev / painting geometry v1 Score 58.4 100.0 29.7 来源 ↗
laya / typed decisions Score 58.2 76.0 35.4 来源 ↗
temporal nli Choice 58.1 100.0 28.0 来源 ↗
logical entailment Noul 58.0 84.0 18.7 来源 ↗
go emotions Noul 57.8 63.4 42.1 来源 ↗
jamp Choice 57.5 81.5 50.0 来源 ↗
synthetic relevance / nanocoir Noul 56.2 73.6 42.2 来源 ↗
ethos Noul 56.0 76.0 49.5 来源 ↗
open jev / context retention control v1 Noul 56.0 100.0 35.2 来源 ↗
open jev / entity alignment control v1 Score 55.0 100.0 18.4 来源 ↗
janli Choice 54.8 88.9 41.7 来源 ↗
mmlu prox ja Choice 53.1 69.5 39.5 来源 ↗
boardgameqa Choice 51.6 90.6 24.4 来源 ↗
ud ewt Choice 50.9 96.0 19.6 来源 ↗
fol nli Choice 50.8 75.4 17.3 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Score 48.5 57.3 25.0 来源 ↗
mintaka ja boolean Noul 48.0 68.0 37.5 来源 ↗
winowhy Noul 48.0 66.0 25.9 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Noul 47.8 58.0 35.3 来源 ↗
open jev / snake v1 Noul 46.4 100.0 19.1 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Noul 46.0 48.2 32.3 来源 ↗
synthetic relevance / nanobeir / nanohotpotqa Score 44.1 71.8 20.9 来源 ↗
corr2cause Choice 43.3 91.7 9.3 来源 ↗
wiqa Choice 42.9 68.3 24.0 来源 ↗
laya / typed decisions Noul 42.7 49.2 29.9 来源 ↗
synthetic relevance / nanobeir / nanoarguana Noul 42.3 53.5 22.0 来源 ↗
canttalk Noul 42.0 92.0 50.5 来源 ↗
lexcomp Noul 42.0 60.0 27.7 来源 ↗
civil comments Noul 41.9 52.8 25.2 来源 ↗
esci Choice 41.1 49.3 17.5 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Noul 41.0 53.2 33.8 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Score 40.2 50.3 23.4 来源 ↗
patent similarity Score 38.5 53.0 24.0 来源 ↗
followir news21 Noul 37.3 58.0 18.4 来源 ↗
jcola Noul 37.0 57.2 21.6 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Noul 36.2 49.7 29.6 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Score 33.0 49.4 25.5 来源 ↗
gpqa ja main Choice 32.4 54.7 20.9 来源 ↗
laya / typed decisions Choice 31.0 35.7 23.3 来源 ↗
open jev / snake v1 Choice 30.9 83.5 18.3 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Score 30.0 49.0 21.0 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Noul 29.9 48.5 21.5 来源 ↗
generalization japanese math formal hard Choice 29.3 48.4 21.0 来源 ↗
followir core17 Noul 28.6 46.6 25.2 来源 ↗
open jev / ir control v1 Choice 28.0 88.0 55.5 来源 ↗
jsick sts Score 27.7 61.5 40.1 来源 ↗
jamc qa Choice 26.7 65.3 23.0 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Score 26.3 40.9 15.8 来源 ↗
synthetic relevance / nanobeir / nanonq Score 26.3 54.3 13.3 来源 ↗
sobaco culture Choice 23.5 80.5 30.6 来源 ↗
plane Noul 22.0 100.0 12.6 来源 ↗
jculture mcq Noul 19.5 44.3 12.8 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Score 17.1 36.7 10.7 来源 ↗
argument quality Noul 14.9 30.2 7.8 来源 ↗
aqua rat Choice 11.3 83.1 19.7 来源 ↗
synthetic relevance / nanobeir / nanoarguana Score 9.5 43.2 10.3 来源 ↗
generalization japanese math formal hard Noul 7.3 34.7 10.6 来源 ↗
hh rlhf Choice 5.1 33.3 4.5 来源 ↗
nlsat Noul 2.0 22.0 3.2 来源 ↗
generalization japanese math formal hard Score 0.0 6.9 0.9 来源 ↗
open jev / drone control v1 Choice 0.0 100.0 13.4 来源 ↗
open jev / drone control v1 Score 0.0 100.0 7.2 来源 ↗
open jev / tic tac toe v1 Choice 0.0 54.5 5.1 来源 ↗
poem sentiment Choice 0.0 68.6 9.3 来源 ↗
synthetic relevance / nanocoir Score 0.0 43.8 6.8 来源 ↗