decision.host
首页 / 模型 / Maincode/matilda-jev-v1.5

Maincode/matilda-jev-v1.5

Maincode ChoiceNoulScore 26B(活跃 25B) S1MB
S1MB Task Avg
67.8
第 11 名 · 覆盖 137/137(100%)

模型信息

厂商
Maincode
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 · 184 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 63.2 来源 ↗
open jev / amount extraction control v1 Noul 100.0 100.0 44.2 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 / context retention control v1 Noul 100.0 100.0 35.2 来源 ↗
open jev / customer control v1 Noul 100.0 100.0 68.3 来源 ↗
open jev / drone control v1 Choice 100.0 100.0 13.4 来源 ↗
open jev / drone control v1 Noul 100.0 100.0 63.8 来源 ↗
open jev / email selection control v1 Choice 100.0 100.0 38.4 来源 ↗
open jev / email selection control v1 Noul 100.0 100.0 56.9 来源 ↗
open jev / entity alignment control v1 Noul 100.0 100.0 50.6 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 / mailroom control v1 Noul 100.0 100.0 73.2 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 Choice 100.0 100.0 44.4 来源 ↗
open jev / phone extraction control v1 Noul 100.0 100.0 63.9 来源 ↗
open jev / silent failure control v1 Noul 100.0 100.0 49.8 来源 ↗
open jev / snake v1 Noul 100.0 100.0 19.1 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 ↗
open jev / workflow controls v1 / agent trace observability Noul 100.0 100.0 39.4 来源 ↗
open jev / workflow controls v1 / customer service Noul 100.0 100.0 53.7 来源 ↗
s1mb generalization contextual choice Choice 100.0 100.0 88.7 来源 ↗
s1mb generalization diverse choice Choice 100.0 100.0 78.1 来源 ↗
open jev / painting geometry v1 Score 100.0 100.0 29.7 来源 ↗
open jev / entity alignment control v1 Score 100.0 100.0 18.4 来源 ↗
open jev / ir control v1 Score 99.9 100.0 23.0 来源 ↗
open jev / vizdoom basic v1 Score 99.9 100.0 42.3 来源 ↗
generalization japanese diverse Choice 99.5 100.0 94.2 来源 ↗
open jev / customer control v1 Score 99.1 99.3 44.4 来源 ↗
generalization japanese diverse Noul 98.7 100.0 91.4 来源 ↗
generalization japanese knowledge hard Choice 98.7 99.6 88.0 来源 ↗
generalization vision easy Noul 98.7 100.0 87.4 来源 ↗
generalization vision easy Choice 98.1 98.6 90.7 来源 ↗
jmteb retrieval Choice 97.9 98.7 90.0 来源 ↗
dbpedia Choice 97.8 98.9 88.9 来源 ↗
open jev / workflow controls v1 / invoice processing Noul 97.4 100.0 47.0 来源 ↗
openbookqa Choice 97.2 98.6 64.4 来源 ↗
s1mb generalization diverse score Score 97.2 97.6 52.7 来源 ↗
arc Choice 97.1 98.5 73.8 来源 ↗
open jev / workflow controls v1 / security incidents Noul 96.8 100.0 50.0 来源 ↗
lonli Choice 96.7 98.4 52.8 来源 ↗
scienceqa Choice 96.3 99.5 86.7 来源 ↗
s1mb generalization contextual noul Noul 96.0 100.0 72.1 来源 ↗
scone Choice 96.0 98.0 48.5 来源 ↗
s1mb generalization contextual score Score 95.8 99.3 52.6 来源 ↗
miqa Choice 95.5 97.7 71.1 来源 ↗
hatecheck Noul 94.0 100.0 57.5 来源 ↗
s1mb generalization diverse noul Noul 94.0 100.0 70.7 来源 ↗
sdoh nli Noul 94.0 100.0 70.0 来源 ↗
jcommonsenseqa Choice 92.9 97.9 87.6 来源 ↗
cvbench relation Choice 92.3 96.5 79.7 来源 ↗
clinc Choice 91.7 99.3 70.5 来源 ↗
massive Choice 91.2 97.8 73.4 来源 ↗
open jev / reasoning control v1 Score 91.2 96.3 38.3 来源 ↗
laya / ag news Choice 91.0 94.0 77.7 来源 ↗
sugarcrepe Choice 90.5 95.2 80.9 来源 ↗
cvbench depth Choice 90.0 93.3 77.6 来源 ↗
laya / enron spam Noul 90.0 100.0 64.9 来源 ↗
open jev / reasoning control v1 Choice 90.0 100.0 41.7 来源 ↗
argument quality Choice 89.8 95.9 53.3 来源 ↗
banking77 Choice 89.5 93.7 64.2 来源 ↗
nights Choice 89.3 92.0 75.3 来源 ↗
gsm8k Choice 88.6 95.7 38.0 来源 ↗
bbq Choice 88.3 98.3 64.5 来源 ↗
impli Noul 88.0 96.0 57.1 来源 ↗
open jev / ir control v1 Choice 88.0 88.0 55.5 来源 ↗
ruletaker Noul 88.0 100.0 39.3 来源 ↗
scitail Noul 88.0 98.0 63.4 来源 ↗
open jev / drone control v1 Score 87.6 100.0 7.2 来源 ↗
winobias Choice 87.0 95.7 42.7 来源 ↗
nlvr2 Noul 86.4 88.9 59.2 来源 ↗
hwu64 Choice 86.2 95.7 67.3 来源 ↗
hans Noul 86.0 100.0 53.1 来源 ↗
quartz Choice 85.7 90.5 59.4 来源 ↗
mtop Choice 85.2 93.2 67.4 来源 ↗
babi nli Noul 84.0 96.0 48.5 来源 ↗
open jev / snake v1 Choice 83.5 83.5 18.3 来源 ↗
arct Choice 83.0 89.4 49.3 来源 ↗
defeasible nli Choice 82.6 89.1 43.1 来源 ↗
open jev / customer control v1 Choice 82.6 82.6 71.5 来源 ↗
qasper Noul 82.0 88.0 51.4 来源 ↗
jmmlu japan Choice 80.9 94.2 68.4 来源 ↗
snli Choice 80.7 98.4 59.9 来源 ↗
jnli Choice 80.5 87.5 68.4 来源 ↗
generalization japanese knowledge hard Score 80.1 84.6 45.3 来源 ↗
creak Noul 80.0 90.0 48.2 来源 ↗
robust lr Choice 80.0 98.3 29.3 来源 ↗
janli Choice 78.5 88.9 41.7 来源 ↗
kuci Choice 78.2 85.8 64.3 来源 ↗
generalization vision easy Score 77.4 79.7 50.0 来源 ↗
cvbench distance Choice 77.1 79.9 59.3 来源 ↗
contract nli Choice 77.0 81.6 43.0 来源 ↗
generalization japanese knowledge hard Noul 76.7 87.3 50.6 来源 ↗
paws Noul 76.0 92.0 52.5 来源 ↗
pope Noul 76.0 80.0 73.0 来源 ↗
few nerd Choice 75.6 87.8 52.9 来源 ↗
open jev / reasoning control v1 Noul 75.4 100.0 34.3 来源 ↗
generalization vision hard Noul 75.3 84.9 47.9 来源 ↗
generalization vision hard Choice 74.8 84.1 48.5 来源 ↗
logical entailment Noul 74.0 84.0 18.7 来源 ↗
commonsensemoralja Noul 73.3 89.3 67.8 来源 ↗
mmmlu Choice 71.6 78.2 52.8 来源 ↗
boardgameqa Choice 70.3 90.6 24.4 来源 ↗
tallyqa Score 68.9 72.0 48.0 来源 ↗
synthetic relevance / nanobeir / nanonq Noul 67.7 72.7 48.0 来源 ↗
synthetic relevance / nanocoir Noul 66.3 73.6 42.2 来源 ↗
mvtec ad Noul 66.3 76.9 51.0 来源 ↗
followir robust04 Noul 65.1 90.9 53.7 来源 ↗
crows pairs Choice 64.6 77.1 37.9 来源 ↗
mmlu prox ja Choice 64.5 69.5 39.5 来源 ↗
jsts Score 64.5 69.9 55.3 来源 ↗
synthetic relevance / nanobeir / nanohotpotqa Noul 63.7 78.9 36.1 来源 ↗
ethics Noul 63.6 80.6 33.4 来源 ↗
jamp Choice 63.5 81.5 50.0 来源 ↗
scicite Choice 62.9 74.2 49.4 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Noul 62.8 64.1 45.3 来源 ↗
jsem Choice 61.7 69.2 45.9 来源 ↗
rvlcdip Choice 60.5 77.6 61.4 来源 ↗
ethos Noul 60.0 76.0 49.5 来源 ↗
aqua rat Choice 59.1 83.1 19.7 来源 ↗
vsr Noul 58.7 77.6 48.0 来源 ↗
spartqa Choice 58.1 93.5 14.0 来源 ↗
canttalk Noul 58.0 92.0 50.5 来源 ↗
poem sentiment Choice 57.1 68.6 9.3 来源 ↗
temporal nli Choice 56.5 100.0 28.0 来源 ↗
cladder Noul 56.0 94.0 28.5 来源 ↗
mintaka ja boolean Noul 56.0 68.0 37.5 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Noul 53.6 58.0 35.3 来源 ↗
synthetic relevance / nanobeir / nanohotpotqa Score 52.0 71.8 20.9 来源 ↗
ethics Choice 50.0 100.0 28.5 来源 ↗
sobaco culture Choice 49.5 80.5 30.6 来源 ↗
stepgame Choice 48.8 82.1 24.8 来源 ↗
aegis2 Noul 47.8 68.3 39.6 来源 ↗
wiqa Choice 47.6 68.3 24.0 来源 ↗
synthetic relevance / nanobeir / nanoarguana Noul 47.6 53.5 22.0 来源 ↗
winowhy Noul 46.0 66.0 25.9 来源 ↗
laya / typed decisions Score 45.9 76.0 35.4 来源 ↗
generalization vision hard Score 45.8 49.2 19.9 来源 ↗
go emotions Noul 45.4 63.4 42.1 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Noul 45.3 48.2 32.3 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Noul 45.2 49.7 29.6 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Score 44.4 49.4 25.5 来源 ↗
jsick sts Score 44.0 61.5 40.1 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Score 43.8 57.3 25.0 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Noul 43.8 53.2 33.8 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Score 43.0 49.0 21.0 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Score 42.5 50.3 23.4 来源 ↗
lexcomp Noul 42.0 60.0 27.7 来源 ↗
laya / typed decisions Noul 41.3 49.2 29.9 来源 ↗
sgd Choice 40.7 96.6 28.6 来源 ↗
tracie Noul 40.0 68.0 14.4 来源 ↗
patent similarity Score 40.0 53.0 24.0 来源 ↗
visa Noul 38.9 73.4 29.3 来源 ↗
gretel pii Choice 38.3 94.8 51.1 来源 ↗
fol nli Choice 37.7 75.4 17.3 来源 ↗
jamc qa Choice 36.9 65.3 23.0 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Noul 36.5 48.5 21.5 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Score 35.4 40.9 15.8 来源 ↗
gpqa ja main Choice 35.1 54.7 20.9 来源 ↗
jcola Noul 33.0 57.2 21.6 来源 ↗
ud ewt Choice 32.3 96.0 19.6 来源 ↗
followir core17 Noul 31.3 46.6 25.2 来源 ↗
civil comments Noul 30.9 52.8 25.2 来源 ↗
laya / typed decisions Choice 29.0 35.7 23.3 来源 ↗
generalization japanese math formal hard Choice 27.1 48.4 21.0 来源 ↗
synthetic relevance / nanocoir Score 26.4 43.8 6.8 来源 ↗
esci Choice 26.0 49.3 17.5 来源 ↗
synthetic relevance / nanobeir / nanonq Score 25.3 54.3 13.3 来源 ↗
synthetic relevance / nanobeir / nanoarguana Score 23.9 43.2 10.3 来源 ↗
corr2cause Choice 23.3 91.7 9.3 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Score 22.8 36.7 10.7 来源 ↗
followir news21 Noul 20.7 58.0 18.4 来源 ↗
argument quality Noul 20.4 30.2 7.8 来源 ↗
jculture mcq Noul 19.0 44.3 12.8 来源 ↗
open jev / tic tac toe v1 Choice 18.2 54.5 5.1 来源 ↗
generalization japanese math formal hard Noul 15.3 34.7 10.6 来源 ↗
hh rlhf Choice 10.3 33.3 4.5 来源 ↗
generalization japanese math formal hard Score 0.0 6.9 0.9 来源 ↗
koniq Score 0.0 51.8 8.2 来源 ↗
nlsat Noul 0.0 22.0 3.2 来源 ↗
plane Noul 0.0 100.0 12.6 来源 ↗