decision.host
首页 / 模型 / Metask 4B

Metask 4B

wayfind ChoiceNoulScore 开源权重 4.5B（活跃 4.5B） curateddis1mb

策略混合数据训练的 4B 决策模型。

Hugging Face 权重Decision Index 排行榜S1MB 排行榜
S1MB Task Avg
36.9
第 41 名 · 覆盖 137/137（100%）
Decision Index Full
31.0
第 71 名 · public 27.6
校准 ECE
0.103
越低越好 · Brier 0.503

模型信息

厂商
wayfind
类别
开源权重
参数规模
4.5B（活跃 4.5B）
基座模型
Qwen/Qwen3.5-4B-Base
权重
可下载（开源）
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
LoRA

数据来源与链接

Hugging Face 权重Decision Index 排行榜S1MB 排行榜
本站聚合自： curated、di、s1mb。 分数与链接均指向原始出处。

Decision Index 领域得分

知识与推理
54.2
语言理解
68.4
检索与分类
58.9
工具与自动化
91.4
艺术与人类品味
58.6

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 / browser control v1 Choice 100.0 100.0 67.4 来源 ↗
open jev / customer control v1 Noul 100.0 100.0 58.0 来源 ↗
open jev / mailroom control v1 Choice 100.0 100.0 82.9 来源 ↗
open jev / phone extraction control v1 Noul 100.0 100.0 50.4 来源 ↗
s1mb generalization contextual choice Choice 100.0 100.0 82.6 来源 ↗
bbq Choice 96.7 98.3 53.8 来源 ↗
dbpedia Choice 96.6 98.9 83.5 来源 ↗
arc Choice 94.1 98.5 64.4 来源 ↗
open jev / drone control v1 Noul 94.1 100.0 50.2 来源 ↗
s1mb generalization diverse choice Choice 89.4 100.0 69.5 来源 ↗
laya / enron spam Noul 88.0 100.0 54.6 来源 ↗
sdoh nli Noul 88.0 92.0 60.8 来源 ↗
miqa Choice 86.4 95.5 61.9 来源 ↗
open jev / mailroom control v1 Noul 85.8 100.0 62.5 来源 ↗
s1mb generalization diverse noul Noul 84.0 100.0 59.2 来源 ↗
openbookqa Choice 83.3 97.2 53.7 来源 ↗
snli Choice 80.7 98.4 46.0 来源 ↗
open jev / sponsor segment control v1 Choice 78.2 100.0 52.2 来源 ↗
paws Noul 78.0 88.0 45.7 来源 ↗
s1mb generalization contextual noul Noul 78.0 98.0 62.0 来源 ↗
laya / ag news Choice 77.6 94.0 75.4 来源 ↗
open jev / amount extraction control v1 Choice 76.5 100.0 55.0 来源 ↗
quartz Choice 73.8 88.1 49.1 来源 ↗
open jev / entity alignment control v1 Noul 72.4 100.0 35.9 来源 ↗
followir robust04 Noul 72.0 90.9 46.9 来源 ↗
hatecheck Noul 72.0 98.0 47.5 来源 ↗
argument quality Choice 71.4 95.9 37.4 来源 ↗
open jev / customer control v1 Choice 69.6 82.6 64.3 来源 ↗
open jev / citation control v1 Choice 68.2 100.0 40.9 来源 ↗
scitail Noul 68.0 98.0 53.0 来源 ↗
scicite Choice 67.7 71.0 44.0 来源 ↗
lonli Choice 67.2 86.9 39.2 来源 ↗
canttalk Noul 66.0 86.0 43.9 来源 ↗
qasper Noul 66.0 88.0 41.6 来源 ↗
open jev / vizdoom basic v1 Noul 64.7 100.0 39.0 来源 ↗
massive Choice 63.8 96.7 64.5 来源 ↗
impli Noul 62.0 88.0 46.7 来源 ↗
few nerd Choice 61.6 86.4 43.9 来源 ↗
open jev / email selection control v1 Noul 61.5 100.0 40.6 来源 ↗
open jev / workflow controls v1 / customer service Noul 58.7 100.0 41.6 来源 ↗
ethos Noul 58.0 76.0 43.7 来源 ↗
open jev / workflow controls v1 / invoice processing Noul 55.6 100.0 34.6 来源 ↗
synthetic relevance / nanocoir Noul 55.0 73.0 33.6 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Noul 54.5 62.5 37.3 来源 ↗
defeasible nli Choice 54.4 80.4 32.8 来源 ↗
s1mb generalization diverse score Score 54.3 95.3 42.8 来源 ↗
mtop Choice 53.7 86.9 58.6 来源 ↗
gretel pii Choice 53.3 94.5 43.1 来源 ↗
arct Choice 53.2 89.4 39.4 来源 ↗
open jev / ir control v1 Choice 52.0 88.0 44.8 来源 ↗
synthetic relevance / nanobeir / nanonq Noul 51.4 67.2 39.5 来源 ↗
contract nli Choice 51.3 76.0 31.8 来源 ↗
ethics Choice 50.0 83.3 20.9 来源 ↗
aegis2 Noul 49.9 62.3 32.8 来源 ↗
ruletaker Noul 46.0 96.0 27.7 来源 ↗
scone Choice 46.0 92.0 34.2 来源 ↗
open jev / phone extraction control v1 Choice 45.6 100.0 32.4 来源 ↗
go emotions Noul 45.0 61.3 38.3 来源 ↗
s1mb generalization contextual score Score 44.5 92.7 42.1 来源 ↗
babi nli Noul 44.0 84.0 37.0 来源 ↗
hans Noul 44.0 100.0 43.3 来源 ↗
open jev / ir control v1 Noul 42.9 100.0 47.3 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Noul 42.9 54.0 28.6 来源 ↗
open jev / customer control v1 Score 42.4 99.3 36.7 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Noul 40.6 47.0 26.6 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Noul 40.5 52.1 29.0 来源 ↗
creak Noul 40.0 88.0 38.8 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Score 39.9 44.3 20.6 来源 ↗
laya / typed decisions Score 39.6 63.5 26.5 来源 ↗
winobias Choice 39.1 91.3 30.1 来源 ↗
open jev / vizdoom basic v1 Score 35.9 100.0 29.6 来源 ↗
followir core17 Noul 35.9 46.6 21.2 来源 ↗
hwu64 Choice 35.1 92.5 56.8 来源 ↗
open jev / reasoning control v1 Choice 35.0 95.0 28.4 来源 ↗
gsm8k Choice 34.3 78.6 23.5 来源 ↗
lexcomp Noul 34.0 52.0 22.5 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Score 32.2 46.7 15.2 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Score 32.2 52.6 17.8 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Noul 31.8 46.2 25.1 来源 ↗
open jev / workflow controls v1 / security incidents Noul 30.9 100.0 37.8 来源 ↗
wiqa Choice 30.2 58.7 19.3 来源 ↗
open jev / reasoning control v1 Score 29.8 90.7 27.7 来源 ↗
sgd Choice 28.8 96.6 24.4 来源 ↗
cladder Noul 28.0 94.0 17.7 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Score 27.8 44.9 17.6 来源 ↗
laya / typed decisions Noul 27.4 47.8 24.4 来源 ↗
stepgame Choice 27.4 82.1 17.8 来源 ↗
ethics Noul 27.3 68.6 23.9 来源 ↗
robust lr Choice 26.7 66.7 18.8 来源 ↗
open jev / painting geometry v1 Choice 26.3 100.0 46.2 来源 ↗
clinc Choice 26.2 99.3 57.3 来源 ↗
open jev / amount extraction control v1 Noul 25.0 100.0 33.3 来源 ↗
synthetic relevance / nanobeir / nanohotpotqa Noul 24.7 70.8 28.4 来源 ↗
temporal nli Choice 24.2 80.7 18.3 来源 ↗
banking77 Choice 23.2 93.7 54.6 来源 ↗
followir news21 Noul 22.7 42.7 14.9 来源 ↗
open jev / workflow controls v1 / agent trace observability Noul 22.5 100.0 27.8 来源 ↗
civil comments Noul 22.4 36.7 21.4 来源 ↗
laya / typed decisions Choice 22.3 34.5 18.9 来源 ↗
ud ewt Choice 21.3 56.7 13.2 来源 ↗
open jev / reasoning control v1 Noul 20.2 100.0 25.3 来源 ↗
patent similarity Score 19.5 48.3 17.7 来源 ↗
fol nli Choice 18.0 54.1 10.4 来源 ↗
open jev / context retention control v1 Noul 18.0 100.0 19.0 来源 ↗
synthetic relevance / nanobeir / nanoarguana Noul 16.5 48.2 15.6 来源 ↗
esci Choice 16.4 46.6 13.0 来源 ↗
winowhy Noul 16.0 62.0 18.8 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Score 12.9 38.6 10.7 来源 ↗
boardgameqa Choice 10.9 62.5 15.6 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Noul 8.4 41.7 17.3 来源 ↗
synthetic relevance / nanobeir / nanoarguana Score 7.2 36.0 7.7 来源 ↗
spartqa Choice 6.5 38.7 4.4 来源 ↗
crows pairs Choice 6.3 70.8 30.4 来源 ↗
plane Noul 6.0 100.0 11.1 来源 ↗
tracie Noul 6.0 34.0 8.7 来源 ↗
corr2cause Choice 5.0 91.7 3.8 来源 ↗
synthetic relevance / nanobeir / nanohotpotqa Score 5.0 63.6 13.9 来源 ↗
argument quality Noul 4.5 23.9 5.4 来源 ↗
synthetic relevance / nanobeir / nanonq Score 4.5 49.4 9.3 来源 ↗
aqua rat Choice 2.8 77.5 10.7 来源 ↗
hh rlhf Choice 2.6 23.1 3.1 来源 ↗
logical entailment Noul 2.0 72.0 12.2 来源 ↗
nlsat Noul 0.0 22.0 2.1 来源 ↗
open jev / drone control v1 Choice 0.0 100.0 4.8 来源 ↗
open jev / drone control v1 Score 0.0 99.2 1.1 来源 ↗
open jev / email selection control v1 Choice 0.0 100.0 23.4 来源 ↗
open jev / entity alignment control v1 Score 0.0 100.0 8.1 来源 ↗
open jev / ir control v1 Score 0.0 98.6 10.1 来源 ↗
open jev / painting geometry v1 Noul 0.0 100.0 27.2 来源 ↗
open jev / painting geometry v1 Score 0.0 100.0 15.2 来源 ↗
open jev / silent failure control v1 Noul 0.0 100.0 38.8 来源 ↗
open jev / snake v1 Choice 0.0 83.5 8.1 来源 ↗
open jev / snake v1 Noul 0.0 100.0 9.0 来源 ↗
open jev / tic tac toe v1 Choice 0.0 48.5 3.5 来源 ↗
poem sentiment Choice 0.0 57.1 4.0 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Score 0.0 36.7 7.2 来源 ↗
synthetic relevance / nanocoir Score 0.0 44.3 4.3 来源 ↗

Decision Index · 38 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 95.4 99.5 87.3 来源 ↗
ARC-Challenge 混合（Choice 89.9 98.2 79.4 来源 ↗
BFCL 混合（Choice 86.7 98.8 80.5 来源 ↗
RouterBench 混合（Choice 79.6 80.1 73.2 来源 ↗
FinEntity 混合（Choice 79.3 97.1 73.8 来源 ↗
BPoMP 混合（Choice 78.5 97.0 73.8 来源 ↗
HellaSwag 混合（Choice 75.3 98.5 73.0 来源 ↗
NLI4CT 混合（Choice 73.4 86.2 69.3 来源 ↗
MMLU 混合（Choice 69.5 91.9 64.4 来源 ↗
ContractNLI 混合（Choice 69.3 86.5 59.9 来源 ↗
WinoGrande 混合（Choice 67.1 97.5 69.8 来源 ↗
RAGTruth 混合（Choice 66.4 86.0 52.1 来源 ↗
ToolRet 混合（Choice 65.7 69.1 55.1 来源 ↗
HoVer 混合（Choice 62.4 89.4 63.8 来源 ↗
CLadder 混合（Choice 61.7 97.7 62.5 来源 ↗
BBH 混合（Choice 60.6 92.9 58.3 来源 ↗
cfcolor 混合（Choice 57.9 70.2 57.9 来源 ↗
SGD 混合（Choice 57.6 73.4 47.4 来源 ↗
ANLI 混合（Choice 56.3 98.6 54.0 来源 ↗
New Yorker 混合（Choice 55.3 82.0 52.9 来源 ↗
MuSR 混合（Choice 54.8 86.2 56.0 来源 ↗
Humicroedit 混合（Choice 52.1 75.1 57.2 来源 ↗
PhishNChips 混合（Choice 51.6 99.9 62.1 来源 ↗
iSarcasmEval 混合（Choice 47.6 71.0 38.4 来源 ↗
CRUXEval 混合（Choice 46.3 87.9 50.7 来源 ↗
MMLU-Pro 混合（Choice 45.2 82.7 42.3 来源 ↗
VAST 混合（Choice 43.0 82.0 50.1 来源 ↗
When2Call 混合（Choice 42.9 91.7 57.8 来源 ↗
GPQA Diamond 混合（Choice 40.8 78.3 37.7 来源 ↗
BRIGHT 混合（Choice 40.3 50.9 36.1 来源 ↗
Habermas 混合（Choice 40.0 71.8 42.2 来源 ↗
Amazon ESCI 混合（Choice 34.9 61.6 40.9 来源 ↗
GSM8K 混合（Choice 27.4 83.5 36.0 来源 ↗
ChessBench 混合（Choice 23.1 40.2 14.2 来源 ↗
Home appliances 混合（Choice 20.4 98.9 23.2 来源 ↗
SATA-Bench 混合（Choice 17.1 37.2 20.3 来源 ↗
HLE 混合（Choice 8.4 20.4 12.3 来源 ↗
ACOS 混合（Choice 6.8 57.3 14.6 来源 ↗