decision.host
首页 / 模型 / plumb-4b

plumb-4b

crh225 ChoiceNoulScore 4.2B s1mb
S1MB Task Avg
37.2
第 40 名 · 覆盖 137/137(100%)

模型信息

厂商
crh225
类别
开源权重
参数规模
4.2B
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 / mailroom control v1 Choice 100.0 100.0 82.9 来源 ↗
s1mb generalization contextual choice Choice 98.7 100.0 82.6 来源 ↗
dbpedia Choice 97.8 98.9 83.5 来源 ↗
open jev / email selection control v1 Noul 96.2 100.0 40.6 来源 ↗
open jev / browser control v1 Choice 95.7 100.0 67.4 来源 ↗
arc Choice 94.1 98.5 64.4 来源 ↗
open jev / ir control v1 Noul 92.9 100.0 47.3 来源 ↗
bbq Choice 90.0 98.3 53.8 来源 ↗
s1mb generalization diverse noul Noul 90.0 100.0 59.2 来源 ↗
open jev / vizdoom basic v1 Noul 88.2 100.0 39.0 来源 ↗
s1mb generalization diverse choice Choice 88.1 100.0 69.5 来源 ↗
openbookqa Choice 87.5 97.2 53.7 来源 ↗
open jev / mailroom control v1 Noul 85.8 100.0 62.5 来源 ↗
hans Noul 84.0 100.0 43.3 来源 ↗
laya / enron spam Noul 84.0 100.0 54.6 来源 ↗
snli Choice 82.3 98.4 46.0 来源 ↗
followir robust04 Noul 81.5 90.9 46.9 来源 ↗
open jev / citation control v1 Choice 80.3 100.0 40.9 来源 ↗
s1mb generalization contextual noul Noul 80.0 98.0 62.0 来源 ↗
miqa Choice 79.5 95.5 61.9 来源 ↗
open jev / sponsor segment control v1 Choice 79.5 100.0 52.2 来源 ↗
sdoh nli Noul 78.0 92.0 60.8 来源 ↗
laya / ag news Choice 77.6 94.0 75.4 来源 ↗
open jev / customer control v1 Choice 73.9 82.6 64.3 来源 ↗
open jev / phone extraction control v1 Noul 70.0 100.0 50.4 来源 ↗
scitail Noul 70.0 98.0 53.0 来源 ↗
lonli Choice 68.8 86.9 39.2 来源 ↗
s1mb generalization diverse score Score 68.8 95.3 42.8 来源 ↗
hatecheck Noul 68.0 98.0 47.5 来源 ↗
impli Noul 68.0 88.0 46.7 来源 ↗
open jev / ir control v1 Choice 68.0 88.0 44.8 来源 ↗
open jev / silent failure control v1 Noul 68.0 100.0 38.8 来源 ↗
qasper Noul 68.0 88.0 41.6 来源 ↗
ethics Choice 66.7 83.3 20.9 来源 ↗
open jev / customer control v1 Noul 64.7 100.0 58.0 来源 ↗
quartz Choice 64.3 88.1 49.1 来源 ↗
few nerd Choice 64.2 86.4 43.9 来源 ↗
s1mb generalization contextual score Score 63.1 92.7 42.1 来源 ↗
open jev / phone extraction control v1 Choice 63.0 100.0 32.4 来源 ↗
scicite Choice 62.9 71.0 44.0 来源 ↗
paws Noul 62.0 88.0 45.7 来源 ↗
scone Choice 62.0 92.0 34.2 来源 ↗
open jev / amount extraction control v1 Choice 60.8 100.0 55.0 来源 ↗
canttalk Noul 60.0 86.0 43.9 来源 ↗
creak Noul 60.0 88.0 38.8 来源 ↗
arct Choice 59.6 89.4 39.4 来源 ↗
synthetic relevance / nanobeir / nanonq Noul 58.7 67.2 39.5 来源 ↗
open jev / workflow controls v1 / customer service Noul 58.5 100.0 41.6 来源 ↗
ethos Noul 58.0 76.0 43.7 来源 ↗
defeasible nli Choice 54.4 80.4 32.8 来源 ↗
contract nli Choice 54.3 76.0 31.8 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Noul 54.1 62.5 37.3 来源 ↗
crows pairs Choice 50.0 70.8 30.4 来源 ↗
lexcomp Noul 50.0 52.0 22.5 来源 ↗
go emotions Noul 49.3 61.3 38.3 来源 ↗
open jev / workflow controls v1 / invoice processing Noul 47.9 100.0 34.6 来源 ↗
open jev / painting geometry v1 Choice 47.4 100.0 46.2 来源 ↗
massive Choice 46.8 96.7 64.5 来源 ↗
followir core17 Noul 46.6 46.6 21.2 来源 ↗
synthetic relevance / nanocoir Noul 46.0 73.0 33.6 来源 ↗
winobias Choice 45.6 91.3 30.1 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Noul 45.1 54.0 28.6 来源 ↗
mtop Choice 44.0 86.9 58.6 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Noul 41.9 52.1 29.0 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Noul 40.4 46.2 25.1 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Score 39.3 44.3 20.6 来源 ↗
open jev / workflow controls v1 / agent trace observability Noul 39.3 100.0 27.8 来源 ↗
aegis2 Noul 38.7 62.3 32.8 来源 ↗
babi nli Noul 36.0 84.0 37.0 来源 ↗
open jev / vizdoom basic v1 Score 33.6 100.0 29.6 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Score 33.5 44.9 17.6 来源 ↗
open jev / reasoning control v1 Score 33.5 90.7 27.7 来源 ↗
open jev / reasoning control v1 Noul 32.4 100.0 25.3 来源 ↗
open jev / workflow controls v1 / security incidents Noul 32.2 100.0 37.8 来源 ↗
ruletaker Noul 32.0 96.0 27.7 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Noul 31.4 47.0 26.6 来源 ↗
open jev / customer control v1 Score 31.1 99.3 36.7 来源 ↗
civil comments Noul 30.9 36.7 21.4 来源 ↗
laya / typed decisions Noul 30.4 47.8 24.4 来源 ↗
open jev / reasoning control v1 Choice 30.0 95.0 28.4 来源 ↗
followir news21 Noul 28.7 42.7 14.9 来源 ↗
robust lr Choice 28.3 66.7 18.8 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Score 28.2 52.6 17.8 来源 ↗
temporal nli Choice 27.4 80.7 18.3 来源 ↗
ethics Noul 26.2 68.6 23.9 来源 ↗
gretel pii Choice 26.0 94.5 43.1 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Score 25.7 46.7 15.2 来源 ↗
synthetic relevance / nanobeir / nanohotpotqa Noul 25.6 70.8 28.4 来源 ↗
sgd Choice 25.4 96.6 24.4 来源 ↗
stepgame Choice 25.0 82.1 17.8 来源 ↗
cladder Noul 24.0 94.0 17.7 来源 ↗
wiqa Choice 23.8 58.7 19.3 来源 ↗
laya / typed decisions Score 23.6 63.5 26.5 来源 ↗
open jev / painting geometry v1 Noul 22.9 100.0 27.2 来源 ↗
open jev / context retention control v1 Noul 22.0 100.0 19.0 来源 ↗
open jev / email selection control v1 Choice 21.7 100.0 23.4 来源 ↗
gsm8k Choice 21.4 78.6 23.5 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Noul 21.1 41.7 17.3 来源 ↗
boardgameqa Choice 20.3 62.5 15.6 来源 ↗
ud ewt Choice 19.9 56.7 13.2 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Score 18.5 38.6 10.7 来源 ↗
synthetic relevance / nanobeir / nanohotpotqa Score 17.4 63.6 13.9 来源 ↗
hwu64 Choice 17.0 92.5 56.8 来源 ↗
laya / typed decisions Choice 16.7 34.5 18.9 来源 ↗
esci Choice 16.4 46.6 13.0 来源 ↗
patent similarity Score 16.2 48.3 17.7 来源 ↗
winowhy Noul 12.0 62.0 18.8 来源 ↗
argument quality Noul 10.9 23.9 5.4 来源 ↗
open jev / entity alignment control v1 Noul 10.0 100.0 35.9 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Score 9.6 36.7 7.2 来源 ↗
open jev / snake v1 Choice 9.3 83.5 8.1 来源 ↗
synthetic relevance / nanobeir / nanonq Score 9.1 49.4 9.3 来源 ↗
aqua rat Choice 8.4 77.5 10.7 来源 ↗
banking77 Choice 8.4 93.7 54.6 来源 ↗
fol nli Choice 8.2 54.1 10.4 来源 ↗
spartqa Choice 8.1 38.7 4.4 来源 ↗
tracie Noul 8.0 34.0 8.7 来源 ↗
clinc Choice 7.6 99.3 57.3 来源 ↗
open jev / amount extraction control v1 Noul 6.3 100.0 33.3 来源 ↗
hh rlhf Choice 5.1 23.1 3.1 来源 ↗
synthetic relevance / nanobeir / nanoarguana Noul 4.5 48.2 15.6 来源 ↗
argument quality Choice 2.0 95.9 37.4 来源 ↗
corr2cause Choice 1.7 91.7 3.8 来源 ↗
logical entailment Noul 0.0 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 Noul 0.0 100.0 50.2 来源 ↗
open jev / drone control v1 Score 0.0 99.2 1.1 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 Score 0.0 100.0 15.2 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 ↗
plane Noul 0.0 100.0 11.1 来源 ↗
poem sentiment Choice 0.0 57.1 4.0 来源 ↗
synthetic relevance / nanobeir / nanoarguana Score 0.0 36.0 7.7 来源 ↗
synthetic relevance / nanocoir Score 0.0 44.3 4.3 来源 ↗