mmastrac diffgemma
Decision Index Full
36.3
第 62 名 · public 32.7
Vision Full
30.3
第 20 名 · public 36.1
校准 ECE
0.202
越低越好 · Brier 0.535
模型信息
- 类别
- 开源权重
- 参数规模
- 26B（活跃 NaNK）
- 基座模型
- google/diffusiongemma-26B-A4B-it
- 权重
- 闭源 / 未公开
- 许可证
- 未标注 许可不明
- 输入模态
- 文本 图像
- 决策原语
- ChoiceNoulScore
- 可微调
- 未确认
- 训练方式
- inference technique
数据来源与链接
本站聚合自：
di、di_vision。
分数与链接均指向原始出处。
Decision Index 领域得分
知识与推理
56.6
语言理解
74.7
检索与分类
50.3
工具与自动化
83.3
艺术与人类品味
64.1
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 | 98.1 | 99.5 | 87.3 | 来源 ↗ | |
| BFCL | 混合（Choice | 96.2 | 98.8 | 80.5 | 来源 ↗ | |
| ARC-Challenge | 混合（Choice | 94.0 | 98.2 | 79.4 | 来源 ↗ | |
| FinEntity | 混合（Choice | 89.8 | 97.1 | 73.8 | 来源 ↗ | |
| BPoMP | 混合（Choice | 88.5 | 97.0 | 73.8 | 来源 ↗ | |
| PhishNChips | 混合（Choice | 82.4 | 99.9 | 62.1 | 来源 ↗ | |
| HellaSwag | 混合（Choice | 81.7 | 98.5 | 73.0 | 来源 ↗ | |
| RouterBench | 混合（Choice | 79.9 | 80.1 | 73.2 | 来源 ↗ | |
| MMLU | 混合（Choice | 78.6 | 91.9 | 64.4 | 来源 ↗ | |
| NLI4CT | 混合（Choice | 74.5 | 86.2 | 69.3 | 来源 ↗ | |
| WinoGrande | 混合（Choice | 70.8 | 97.5 | 69.8 | 来源 ↗ | |
| HoVer | 混合（Choice | 69.1 | 89.4 | 63.8 | 来源 ↗ | |
| RAGTruth | 混合（Choice | 67.9 | 86.0 | 52.1 | 来源 ↗ | |
| BBH | 混合（Choice | 66.4 | 92.9 | 58.3 | 来源 ↗ | |
| CLadder | 混合（Choice | 63.6 | 97.7 | 62.5 | 来源 ↗ | |
| MuSR | 混合（Choice | 62.5 | 86.2 | 56.0 | 来源 ↗ | |
| cfcolor | 混合（Choice | 61.0 | 70.2 | 57.9 | 来源 ↗ | |
| VAST | 混合（Choice | 60.9 | 82.0 | 50.1 | 来源 ↗ | |
| Humicroedit | 混合（Choice | 60.8 | 75.1 | 57.2 | 来源 ↗ | |
| iSarcasmEval | 混合（Choice | 59.0 | 71.0 | 38.4 | 来源 ↗ | |
| New Yorker | 混合（Choice | 57.4 | 82.0 | 52.9 | 来源 ↗ | |
| ContractNLI | 混合（Choice | 56.3 | 86.5 | 59.9 | 来源 ↗ | |
| ANLI | 混合（Choice | 55.7 | 98.6 | 54.0 | 来源 ↗ | |
| Amazon ESCI | 混合（Choice | 53.4 | 61.6 | 40.9 | 来源 ↗ | |
| GPQA Diamond | 混合（Choice | 49.0 | 78.3 | 37.7 | 来源 ↗ | |
| When2Call | 混合（Choice | 48.7 | 91.7 | 57.8 | 来源 ↗ | |
| Habermas | 混合（Choice | 46.7 | 71.8 | 42.2 | 来源 ↗ | |
| ToolRet | 混合（Choice | 46.3 | 69.1 | 55.1 | 来源 ↗ | |
| CRUXEval | 混合（Choice | 45.3 | 87.9 | 50.7 | 来源 ↗ | |
| SGD | 混合（Choice | 43.0 | 73.4 | 47.4 | 来源 ↗ | |
| MMLU-Pro | 混合（Choice | 41.3 | 82.7 | 42.3 | 来源 ↗ | |
| SATA-Bench | 混合（Choice | 25.6 | 37.2 | 20.3 | 来源 ↗ | |
| BRIGHT | 混合（Choice | 22.6 | 50.9 | 36.1 | 来源 ↗ | |
| ChessBench | 混合（Choice | 21.7 | 40.2 | 14.2 | 来源 ↗ | |
| GSM8K | 混合（Choice | 20.7 | 83.5 | 36.0 | 来源 ↗ | |
| ACOS | 混合（Choice | 14.4 | 57.3 | 14.6 | 来源 ↗ | |
| HLE | 混合（Choice | 10.4 | 20.4 | 12.3 | 来源 ↗ | |
| Home appliances | 混合（Choice | 0.0 | 98.9 | 23.2 | 来源 ↗ |
Decision Index · Vision · 20 个基准
| 基准 | 类型 | 该模型 | 全场最佳 | 全场均值 | 对比 | 来源 |
|---|---|---|---|---|---|---|
| KIE (CORD+FUNSD) | 图像 | 76.4 | 92.7 | 80.0 | 来源 ↗ | |
| InfographicVQA | 图像 | 53.5 | 98.7 | 77.3 | 来源 ↗ | |
| InfographicVQA | 图像 | 50.0 | 98.7 | 77.3 | 来源 ↗ | |
| CV-Bench | 图像 | 47.4 | 76.6 | 49.1 | 来源 ↗ | |
| KIE (CORD+FUNSD) | 图像 | 39.1 | 92.7 | 80.0 | 来源 ↗ | |
| Winoground | 图像 | 35.0 | 93.0 | 70.7 | 来源 ↗ | |
| RealWorldQA | 图像 | 30.1 | 75.3 | 41.1 | 来源 ↗ | |
| Moderation (Hateful Memes) | 图像 | 28.9 | 54.0 | 28.6 | 来源 ↗ | |
| Winoground | 图像 | 25.8 | 93.0 | 70.7 | 来源 ↗ | |
| CharXiv | 图像 | 25.3 | 79.7 | 48.5 | 来源 ↗ | |
| BLINK | 图像 | 25.1 | 63.0 | 32.0 | 来源 ↗ | |
| Mind2Web | 图像 | 24.8 | 79.7 | 49.7 | 来源 ↗ | |
| R-Bench-M | 图像 | 24.2 | 35.4 | 19.0 | 来源 ↗ | |
| Moderation (Hateful Memes) | 图像 | 21.0 | 54.0 | 28.6 | 来源 ↗ | |
| CV-Bench | 图像 | 18.9 | 76.6 | 49.1 | 来源 ↗ | |
| RealWorldQA | 图像 | 17.3 | 75.3 | 41.1 | 来源 ↗ | |
| Mind2Web | 图像 | 15.3 | 79.7 | 49.7 | 来源 ↗ | |
| CharXiv | 图像 | 12.3 | 79.7 | 48.5 | 来源 ↗ | |
| MMMU-Pro vision | 图像 | 12.1 | 40.7 | 22.3 | 来源 ↗ | |
| BLINK | 图像 | 10.7 | 63.0 | 32.0 | 来源 ↗ |