decision.host
首页 / 模型 / Gimbal-27B

Gimbal-27B

Superwheat ChoiceNoulScore 26B(活跃 24B) S1MB
S1MB Task Avg
68.0
第 10 名 · 覆盖 137/137(100%)

模型信息

厂商
Superwheat
类别
开源权重
参数规模
26B(活跃 24B)
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 / 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 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 / 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 / painting geometry v1 Score 100.0 100.0 29.7 来源 ↗
open jev / phone extraction control v1 Noul 100.0 100.0 63.9 来源 ↗
open jev / vizdoom basic v1 Noul 100.0 100.0 53.2 来源 ↗
open jev / vizdoom basic v1 Score 100.0 100.0 42.3 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 ↗
open jev / workflow controls v1 / invoice processing Noul 100.0 100.0 47.0 来源 ↗
open jev / workflow controls v1 / security incidents Noul 100.0 100.0 50.0 来源 ↗
s1mb generalization contextual choice Choice 100.0 100.0 88.7 来源 ↗
dbpedia Choice 98.9 98.9 88.9 来源 ↗
s1mb generalization diverse choice Choice 98.7 100.0 78.1 来源 ↗
arc Choice 98.5 98.5 73.8 来源 ↗
hatecheck Noul 98.0 100.0 57.5 来源 ↗
open jev / silent failure control v1 Noul 98.0 100.0 49.8 来源 ↗
s1mb generalization contextual score Score 97.9 99.3 52.6 来源 ↗
open jev / ir control v1 Score 97.5 100.0 23.0 来源 ↗
open jev / sponsor segment control v1 Choice 97.4 100.0 66.4 来源 ↗
s1mb generalization diverse score Score 97.4 97.6 52.7 来源 ↗
open jev / snake v1 Noul 97.4 100.0 19.1 来源 ↗
s1mb generalization diverse noul Noul 96.0 100.0 70.7 来源 ↗
argument quality Choice 95.9 95.9 53.3 来源 ↗
open jev / mailroom control v1 Noul 95.0 100.0 73.2 来源 ↗
open jev / reasoning control v1 Choice 95.0 100.0 41.7 来源 ↗
open jev / reasoning control v1 Score 94.8 96.3 38.3 来源 ↗
openbookqa Choice 94.4 98.6 64.4 来源 ↗
s1mb generalization contextual noul Noul 94.0 100.0 72.1 来源 ↗
scone Choice 94.0 98.0 48.5 来源 ↗
sdoh nli Noul 94.0 100.0 70.0 来源 ↗
open jev / reasoning control v1 Noul 93.8 100.0 34.3 来源 ↗
hans Noul 92.0 100.0 53.1 来源 ↗
bbq Choice 91.7 98.3 64.5 来源 ↗
open jev / phone extraction control v1 Choice 91.3 100.0 44.4 来源 ↗
miqa Choice 90.9 97.7 71.1 来源 ↗
laya / enron spam Noul 90.0 100.0 64.9 来源 ↗
laya / ag news Choice 89.5 94.0 77.7 来源 ↗
quartz Choice 88.1 90.5 59.4 来源 ↗
clinc Choice 87.6 99.3 70.5 来源 ↗
open jev / amount extraction control v1 Noul 87.5 100.0 44.2 来源 ↗
massive Choice 87.4 97.8 73.4 来源 ↗
defeasible nli Choice 87.0 89.1 43.1 来源 ↗
paws Noul 86.0 92.0 52.5 来源 ↗
gsm8k Choice 85.7 95.7 38.0 来源 ↗
lonli Choice 85.3 98.4 52.8 来源 ↗
arct Choice 85.1 89.4 49.3 来源 ↗
open jev / amount extraction control v1 Choice 84.3 100.0 63.2 来源 ↗
hwu64 Choice 84.0 95.7 67.3 来源 ↗
creak Noul 84.0 90.0 48.2 来源 ↗
open jev / ir control v1 Choice 84.0 88.0 55.5 来源 ↗
snli Choice 83.9 98.4 59.9 来源 ↗
open jev / snake v1 Choice 83.5 83.5 18.3 来源 ↗
mtop Choice 82.9 93.2 67.4 来源 ↗
open jev / customer control v1 Choice 82.6 82.6 71.5 来源 ↗
impli Noul 82.0 96.0 57.1 来源 ↗
qasper Noul 80.0 88.0 51.4 来源 ↗
ruletaker Noul 80.0 100.0 39.3 来源 ↗
open jev / customer control v1 Score 79.1 99.3 44.4 来源 ↗
winobias Choice 78.3 95.7 42.7 来源 ↗
scitail Noul 78.0 98.0 63.4 来源 ↗
synthetic relevance / nanobeir / nanohotpotqa Noul 77.3 78.9 36.1 来源 ↗
babi nli Noul 76.0 96.0 48.5 来源 ↗
few nerd Choice 73.5 87.8 52.9 来源 ↗
boardgameqa Choice 73.4 90.6 24.4 来源 ↗
robust lr Choice 73.3 98.3 29.3 来源 ↗
banking77 Choice 72.6 93.7 64.2 来源 ↗
canttalk Noul 72.0 92.0 50.5 来源 ↗
synthetic relevance / nanocoir Noul 70.9 73.6 42.2 来源 ↗
followir robust04 Noul 70.4 90.9 53.7 来源 ↗
contract nli Choice 68.1 81.6 43.0 来源 ↗
ethos Noul 68.0 76.0 49.5 来源 ↗
spartqa Choice 67.7 93.5 14.0 来源 ↗
synthetic relevance / nanobeir / nanonq Noul 67.6 72.7 48.0 来源 ↗
gretel pii Choice 67.5 94.8 51.1 来源 ↗
ethics Noul 65.8 80.6 33.4 来源 ↗
synthetic relevance / nanobeir / nanohotpotqa Score 63.4 71.8 20.9 来源 ↗
aqua rat Choice 62.0 83.1 19.7 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Noul 61.0 64.1 45.3 来源 ↗
cladder Noul 60.0 94.0 28.5 来源 ↗
logical entailment Noul 60.0 84.0 18.7 来源 ↗
poem sentiment Choice 60.0 68.6 9.3 来源 ↗
scicite Choice 59.7 74.2 49.4 来源 ↗
crows pairs Choice 56.3 77.1 37.9 来源 ↗
wiqa Choice 55.6 68.3 24.0 来源 ↗
aegis2 Noul 55.3 68.3 39.6 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Noul 54.9 58.0 35.3 来源 ↗
temporal nli Choice 54.8 100.0 28.0 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Score 53.1 57.3 25.0 来源 ↗
go emotions Noul 52.7 63.4 42.1 来源 ↗
laya / typed decisions Score 51.8 76.0 35.4 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Noul 50.4 53.2 33.8 来源 ↗
synthetic relevance / nanobeir / nanoarguana Noul 49.9 53.5 22.0 来源 ↗
open jev / entity alignment control v1 Score 48.3 100.0 18.4 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Score 47.3 50.3 23.4 来源 ↗
lexcomp Noul 46.0 60.0 27.7 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Noul 45.9 48.5 21.5 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Score 45.5 49.0 21.0 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Noul 45.5 48.2 32.3 来源 ↗
synthetic relevance / nanobeir / nanonq Score 44.5 54.3 13.3 来源 ↗
followir news21 Noul 44.0 58.0 18.4 来源 ↗
winowhy Noul 44.0 66.0 25.9 来源 ↗
stepgame Choice 42.9 82.1 24.8 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Score 40.4 40.9 15.8 来源 ↗
followir core17 Noul 38.9 46.6 25.2 来源 ↗
laya / typed decisions Noul 37.9 49.2 29.9 来源 ↗
patent similarity Score 37.3 53.0 24.0 来源 ↗
ud ewt Choice 37.2 96.0 19.6 来源 ↗
synthetic relevance / nanocoir Score 36.3 43.8 6.8 来源 ↗
tracie Noul 36.0 68.0 14.4 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Noul 35.5 49.7 29.6 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Score 34.5 49.4 25.5 来源 ↗
fol nli Choice 34.4 75.4 17.3 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Score 33.5 36.7 10.7 来源 ↗
ethics Choice 33.3 100.0 28.5 来源 ↗
synthetic relevance / nanobeir / nanoarguana Score 32.8 43.2 10.3 来源 ↗
laya / typed decisions Choice 31.3 35.7 23.3 来源 ↗
sgd Choice 30.5 96.6 28.6 来源 ↗
civil comments Noul 27.2 52.8 25.2 来源 ↗
esci Choice 26.0 49.3 17.5 来源 ↗
corr2cause Choice 25.0 91.7 9.3 来源 ↗
nlsat Noul 22.0 22.0 3.2 来源 ↗
argument quality Noul 13.6 30.2 7.8 来源 ↗
open jev / tic tac toe v1 Choice 12.9 54.5 5.1 来源 ↗
plane Noul 12.0 100.0 12.6 来源 ↗
hh rlhf Choice 2.6 33.3 4.5 来源 ↗
open jev / drone control v1 Choice 0.0 100.0 13.4 来源 ↗
open jev / drone control v1 Score 0.0 100.0 7.2 来源 ↗