Matilda Decision v1
Decision Index Full
64.8
第 33 名 · public 65.4
校准 ECE
0.086
越低越好 · Brier 0.327
模型信息
- 厂商
- Maincode
- 类别
- 开源权重
- 参数规模
- 26B
- 基座模型
- Qwen/Qwen3.8-27B
- 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
68.8
语言理解
89.8
检索与分类
74.2
工具与自动化
94.9
艺术与人类品味
64.2
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 | 99.1 | 99.5 | 89.5 | 来源 ↗ | |
| BFCL | 混合（Choice | 98.2 | 98.8 | 86.6 | 来源 ↗ | |
| ARC-Challenge | 混合（Choice | 96.9 | 98.2 | 82.4 | 来源 ↗ | |
| HellaSwag | 混合（Choice | 95.9 | 98.5 | 79.5 | 来源 ↗ | |
| BPoMP | 混合（Choice | 95.2 | 99.5 | 80.0 | 来源 ↗ | |
| FinEntity | 混合（Choice | 94.2 | 97.1 | 81.3 | 来源 ↗ | |
| CLINC150 | 混合（Choice | 92.8 | 97.6 | 79.6 | 来源 ↗ | |
| BANKING77 | 混合（Choice | 90.5 | 94.2 | 78.1 | 来源 ↗ | |
| WinoGrande | 混合（Choice | 90.1 | 97.5 | 75.9 | 来源 ↗ | |
| MMLU | 混合（Choice | 89.8 | 91.9 | 68.0 | 来源 ↗ | |
| When2Call | 混合（Choice | 89.2 | 93.8 | 70.1 | 来源 ↗ | |
| HoVer | 混合（Choice | 88.1 | 90.8 | 73.2 | 来源 ↗ | |
| Home appliances | 混合（Choice | 87.5 | 100.0 | 43.9 | 来源 ↗ | |
| API-Bank | 混合（Choice | 86.2 | 93.1 | 67.4 | 来源 ↗ | |
| ContractNLI | 混合（Choice | 85.5 | 86.7 | 69.6 | 来源 ↗ | |
| RAGTruth | 混合（Choice | 85.4 | 86.2 | 64.5 | 来源 ↗ | |
| NLI4CT | 混合（Choice | 85.0 | 88.3 | 72.9 | 来源 ↗ | |
| BBH | 混合（Choice | 83.1 | 96.2 | 64.7 | 来源 ↗ | |
| VAST | 混合（Choice | 81.0 | 84.2 | 61.5 | 来源 ↗ | |
| MMLU-Pro | 混合（Choice | 80.7 | 82.1 | 47.7 | 来源 ↗ | |
| CLadder | 混合（Choice | 80.6 | 97.7 | 70.3 | 来源 ↗ | |
| CRUXEval | 混合（Choice | 80.5 | 100.0 | 57.7 | 来源 ↗ | |
| RouterBench | 混合（Choice | 79.6 | 80.1 | 74.4 | 来源 ↗ | |
| ANLI | 混合（Choice | 76.3 | 98.6 | 59.8 | 来源 ↗ | |
| GSM8K | 混合（Choice | 76.3 | 92.6 | 47.4 | 来源 ↗ | |
| PhishNChips | 混合（Choice | 74.2 | 99.9 | 69.4 | 来源 ↗ | |
| New Yorker | 混合（Choice | 72.3 | 88.3 | 60.8 | 来源 ↗ | |
| iSarcasmEval | 混合（Choice | 69.6 | 78.5 | 45.3 | 来源 ↗ | |
| ToolRet | 混合（Choice | 68.4 | 75.7 | 59.9 | 来源 ↗ | |
| MuSR | 混合（Choice | 66.6 | 92.0 | 59.8 | 来源 ↗ | |
| Humicroedit | 混合（Choice | 65.3 | 75.1 | 59.7 | 来源 ↗ | |
| cfcolor | 混合（Choice | 64.8 | 72.9 | 60.1 | 来源 ↗ | |
| Amazon ESCI | 混合（Choice | 61.5 | 65.0 | 47.4 | 来源 ↗ | |
| POP909 | 混合（Choice | 57.8 | 86.1 | 29.7 | 来源 ↗ | |
| GPQA Diamond | 混合（Choice | 53.6 | 75.5 | 40.1 | 来源 ↗ | |
| SGD | 混合（Choice | 52.3 | 85.8 | 45.5 | 来源 ↗ | |
| BRIGHT | 混合（Choice | 48.4 | 51.5 | 38.8 | 来源 ↗ | |
| ACOS | 混合（Choice | 38.0 | 68.0 | 24.9 | 来源 ↗ | |
| Habermas | 混合（Choice | 38.0 | 71.8 | 46.7 | 来源 ↗ | |
| SATA-Bench | 混合（Choice | 23.0 | 62.2 | 24.8 | 来源 ↗ | |
| ChessBench | 混合（Choice | 22.7 | 40.2 | 16.4 | 来源 ↗ | |
| HLE | 混合（Choice | 16.8 | 20.0 | 12.8 | 来源 ↗ |