decision.host
首页 / 模型 / Whittle-Reflex-25B-A3B v4 (Q8_0, llama.cpp)

Whittle-Reflex-25B-A3B v4 (Q8_0, llama.cpp)

logic65 ChoiceNoulScore 26B(活跃 25B) S1MB
S1MB Task Avg
66.4
第 4 名 · 覆盖 137/137(100%)

模型信息

厂商
logic65
类别
开源权重
参数规模
26B(活跃 25B)
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 / amount extraction control v1 Choice 100.0 100.0 58.6 来源 ↗
open jev / browser control v1 Choice 100.0 100.0 72.2 来源 ↗
open jev / citation control v1 Choice 100.0 100.0 48.5 来源 ↗
open jev / context retention control v1 Noul 100.0 100.0 26.7 来源 ↗
open jev / customer control v1 Noul 100.0 100.0 62.2 来源 ↗
open jev / drone control v1 Choice 100.0 100.0 9.2 来源 ↗
open jev / drone control v1 Noul 100.0 100.0 58.5 来源 ↗
open jev / email selection control v1 Choice 100.0 100.0 30.4 来源 ↗
open jev / email selection control v1 Noul 100.0 100.0 48.5 来源 ↗
open jev / entity alignment control v1 Noul 100.0 100.0 43.7 来源 ↗
open jev / ir control v1 Noul 100.0 100.0 54.2 来源 ↗
open jev / mailroom control v1 Choice 100.0 100.0 86.3 来源 ↗
open jev / mailroom control v1 Noul 100.0 100.0 68.0 来源 ↗
open jev / painting geometry v1 Choice 100.0 100.0 52.6 来源 ↗
open jev / painting geometry v1 Noul 100.0 100.0 34.6 来源 ↗
open jev / phone extraction control v1 Choice 100.0 100.0 38.6 来源 ↗
open jev / phone extraction control v1 Noul 100.0 100.0 56.8 来源 ↗
open jev / silent failure control v1 Noul 100.0 100.0 43.1 来源 ↗
open jev / vizdoom basic v1 Noul 100.0 100.0 45.8 来源 ↗
open jev / workflow controls v1 / agent trace observability Noul 100.0 100.0 33.3 来源 ↗
open jev / painting geometry v1 Score 99.0 100.0 21.3 来源 ↗
open jev / sponsor segment control v1 Choice 98.7 100.0 60.1 来源 ↗
open jev / vizdoom basic v1 Score 98.6 100.0 35.1 来源 ↗
open jev / entity alignment control v1 Score 98.4 100.0 12.1 来源 ↗
dbpedia Choice 97.8 98.9 85.8 来源 ↗
s1mb generalization contextual choice Choice 97.4 100.0 85.8 来源 ↗
open jev / ir control v1 Score 97.1 99.2 15.5 来源 ↗
open jev / drone control v1 Score 95.7 99.2 3.8 来源 ↗
open jev / customer control v1 Score 94.0 99.3 39.9 来源 ↗
s1mb generalization contextual noul Noul 94.0 98.0 67.8 来源 ↗
scitail Noul 94.0 98.0 57.0 来源 ↗
snli Choice 93.5 98.4 52.9 来源 ↗
arc Choice 92.7 98.5 69.3 来源 ↗
s1mb generalization diverse choice Choice 92.1 100.0 74.0 来源 ↗
canttalk Noul 92.0 92.0 47.9 来源 ↗
scone Choice 92.0 94.0 40.7 来源 ↗
open jev / workflow controls v1 / customer service Noul 91.9 100.0 48.8 来源 ↗
clinc Choice 90.3 99.3 65.4 来源 ↗
s1mb generalization diverse noul Noul 90.0 100.0 65.8 来源 ↗
gretel pii Choice 89.9 94.5 47.8 来源 ↗
openbookqa Choice 88.9 97.2 58.7 来源 ↗
open jev / ir control v1 Choice 88.0 88.0 50.8 来源 ↗
argument quality Choice 87.8 95.9 45.0 来源 ↗
miqa Choice 86.4 95.5 66.9 来源 ↗
massive Choice 86.3 96.7 69.3 来源 ↗
hwu64 Choice 86.2 93.6 62.9 来源 ↗
laya / enron spam Noul 86.0 100.0 60.4 来源 ↗
laya / ag news Choice 85.1 94.0 75.3 来源 ↗
open jev / customer control v1 Choice 82.6 82.6 68.4 来源 ↗
temporal nli Choice 82.3 83.9 20.9 来源 ↗
paws Noul 82.0 90.0 48.5 来源 ↗
sdoh nli Noul 82.0 94.0 64.7 来源 ↗
arct Choice 80.8 89.4 43.2 来源 ↗
mtop Choice 80.0 88.6 63.3 来源 ↗
bbq Choice 80.0 98.3 60.0 来源 ↗
qasper Noul 80.0 88.0 46.9 来源 ↗
quartz Choice 78.6 90.5 54.4 来源 ↗
hans Noul 78.0 100.0 47.1 来源 ↗
hatecheck Noul 78.0 98.0 51.7 来源 ↗
impli Noul 78.0 88.0 51.5 来源 ↗
open jev / reasoning control v1 Score 76.1 95.1 31.7 来源 ↗
few nerd Choice 75.3 86.4 48.5 来源 ↗
open jev / amount extraction control v1 Noul 75.0 100.0 37.9 来源 ↗
open jev / reasoning control v1 Choice 75.0 100.0 34.7 来源 ↗
s1mb generalization diverse score Score 73.2 96.3 46.8 来源 ↗
synthetic relevance / nanobeir / nanohotpotqa Noul 73.2 77.7 31.7 来源 ↗
open jev / workflow controls v1 / security incidents Noul 72.7 100.0 43.2 来源 ↗
lonli Choice 72.1 96.7 45.7 来源 ↗
babi nli Noul 72.0 92.0 42.1 来源 ↗
defeasible nli Choice 71.7 87.0 37.3 来源 ↗
open jev / snake v1 Choice 71.1 83.5 12.6 来源 ↗
banking77 Choice 69.5 93.7 60.0 来源 ↗
contract nli Choice 68.2 80.3 37.3 来源 ↗
s1mb generalization contextual score Score 68.0 97.3 46.7 来源 ↗
creak Noul 68.0 90.0 42.8 来源 ↗
boardgameqa Choice 67.2 75.0 19.2 来源 ↗
winobias Choice 65.2 93.5 35.7 来源 ↗
laya / typed decisions Score 64.9 76.0 31.9 来源 ↗
ud ewt Choice 64.1 64.1 15.3 来源 ↗
synthetic relevance / nanocoir Noul 63.7 73.0 38.3 来源 ↗
open jev / workflow controls v1 / invoice processing Noul 63.6 100.0 40.7 来源 ↗
synthetic relevance / nanobeir / nanonq Noul 61.9 71.2 44.1 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Noul 60.6 63.0 41.5 来源 ↗
wiqa Choice 60.3 60.3 21.0 来源 ↗
synthetic relevance / nanobeir / nanohotpotqa Score 59.5 63.6 16.0 来源 ↗
aegis2 Noul 58.6 64.9 36.3 来源 ↗
winowhy Noul 58.0 64.0 21.3 来源 ↗
crows pairs Choice 56.3 70.8 33.6 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Score 54.9 54.9 20.9 来源 ↗
gsm8k Choice 54.3 82.9 30.0 来源 ↗
open jev / snake v1 Noul 54.0 100.0 13.2 来源 ↗
open jev / reasoning control v1 Noul 52.2 100.0 28.9 来源 ↗
scicite Choice 51.6 71.0 45.8 来源 ↗
poem sentiment Choice 51.4 68.6 5.3 来源 ↗
ethics Choice 50.0 83.3 24.0 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Noul 48.3 58.0 32.0 来源 ↗
tracie Noul 48.0 58.0 10.0 来源 ↗
go emotions Noul 46.5 63.4 40.4 来源 ↗
synthetic relevance / nanobeir / nanoarguana Noul 46.0 53.5 18.8 来源 ↗
ruletaker Noul 46.0 100.0 31.9 来源 ↗
synthetic relevance / nanobeir / nanonq Score 45.2 49.4 10.6 来源 ↗
followir robust04 Noul 45.2 90.9 51.1 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Score 45.1 47.5 22.9 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Noul 44.5 47.0 29.3 来源 ↗
laya / typed decisions Noul 44.2 49.2 27.3 来源 ↗
plane Noul 44.0 100.0 11.3 来源 ↗
ethics Noul 43.9 75.6 28.0 来源 ↗
synthetic relevance / nanobeir / nanoarguana Score 43.1 43.1 8.7 来源 ↗
robust lr Choice 41.7 66.7 22.8 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Score 41.6 45.0 20.1 来源 ↗
patent similarity Score 40.7 48.3 20.3 来源 ↗
sgd Choice 40.7 96.6 26.1 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Score 40.6 46.7 17.4 来源 ↗
stepgame Choice 39.3 82.1 20.5 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Noul 39.1 52.1 32.1 来源 ↗
ethos Noul 38.0 76.0 46.8 来源 ↗
fol nli Choice 37.7 68.8 12.6 来源 ↗
civil comments Noul 36.1 39.8 23.0 来源 ↗
lexcomp Noul 36.0 60.0 24.5 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Score 33.3 38.6 12.8 来源 ↗
laya / typed decisions Choice 32.1 34.5 21.4 来源 ↗
synthetic relevance / nanocoir Score 31.2 44.3 5.0 来源 ↗
followir core17 Noul 30.0 46.6 23.5 来源 ↗
cladder Noul 30.0 94.0 22.1 来源 ↗
logical entailment Noul 30.0 72.0 13.4 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Noul 28.1 49.7 28.0 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Noul 26.2 46.6 20.2 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Score 24.8 36.7 8.3 来源 ↗
followir news21 Noul 22.0 48.0 17.3 来源 ↗
corr2cause Choice 21.7 91.7 4.3 来源 ↗
aqua rat Choice 21.1 77.5 14.0 来源 ↗
esci Choice 20.6 46.6 14.8 来源 ↗
argument quality Noul 16.0 26.9 6.4 来源 ↗
spartqa Choice 12.9 91.9 6.8 来源 ↗
nlsat Noul 8.0 22.0 2.8 来源 ↗
hh rlhf Choice 0.0 33.3 3.3 来源 ↗
open jev / tic tac toe v1 Choice 0.0 54.5 4.0 来源 ↗