decision.host
首页 / 模型 / malkuth-4b

malkuth-4b

dhtocks ChoiceNoulScore 4.2B(活跃 3.6B) s1mb
S1MB Task Avg
41.0
第 35 名 · 覆盖 137/137(100%)

模型信息

厂商
dhtocks
类别
开源权重
参数规模
4.2B(活跃 3.6B)
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 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 ↗
dbpedia Choice 98.9 98.9 83.5 来源 ↗
s1mb generalization contextual choice Choice 98.7 100.0 82.6 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 ↗
clinc Choice 91.0 99.3 57.3 来源 ↗
massive Choice 90.7 96.7 64.5 来源 ↗
open jev / mailroom control v1 Noul 90.0 100.0 62.5 来源 ↗
s1mb generalization diverse choice Choice 89.4 100.0 69.5 来源 ↗
hwu64 Choice 88.3 92.5 56.8 来源 ↗
followir robust04 Noul 86.2 90.9 46.9 来源 ↗
mtop Choice 84.0 86.9 58.6 来源 ↗
laya / ag news Choice 82.1 94.0 75.4 来源 ↗
s1mb generalization diverse noul Noul 82.0 100.0 59.2 来源 ↗
openbookqa Choice 81.9 97.2 53.7 来源 ↗
miqa Choice 81.8 95.5 61.9 来源 ↗
s1mb generalization contextual noul Noul 80.0 98.0 62.0 来源 ↗
scone Choice 80.0 92.0 34.2 来源 ↗
banking77 Choice 79.0 93.7 54.6 来源 ↗
open jev / customer control v1 Choice 78.3 82.6 64.3 来源 ↗
paws Noul 78.0 88.0 45.7 来源 ↗
sdoh nli Noul 78.0 92.0 60.8 来源 ↗
snli Choice 77.4 98.4 46.0 来源 ↗
open jev / sponsor segment control v1 Choice 75.6 100.0 52.2 来源 ↗
quartz Choice 73.8 88.1 49.1 来源 ↗
open jev / painting geometry v1 Choice 73.7 100.0 46.2 来源 ↗
open jev / amount extraction control v1 Choice 72.5 100.0 55.0 来源 ↗
bbq Choice 70.0 98.3 53.8 来源 ↗
laya / enron spam Noul 70.0 100.0 54.6 来源 ↗
qasper Noul 70.0 88.0 41.6 来源 ↗
open jev / citation control v1 Choice 69.7 100.0 40.9 来源 ↗
lonli Choice 68.8 86.9 39.2 来源 ↗
open jev / ir control v1 Choice 68.0 88.0 44.8 来源 ↗
gretel pii Choice 67.5 94.5 43.1 来源 ↗
argument quality Choice 67.3 95.9 37.4 来源 ↗
s1mb generalization contextual score Score 67.1 92.7 42.1 来源 ↗
impli Noul 66.0 88.0 46.7 来源 ↗
open jev / silent failure control v1 Noul 66.0 100.0 38.8 来源 ↗
open jev / entity alignment control v1 Noul 65.4 100.0 35.9 来源 ↗
s1mb generalization diverse score Score 64.7 95.3 42.8 来源 ↗
scicite Choice 64.5 71.0 44.0 来源 ↗
ethos Noul 64.0 76.0 43.7 来源 ↗
hatecheck Noul 64.0 98.0 47.5 来源 ↗
open jev / workflow controls v1 / customer service Noul 63.0 100.0 41.6 来源 ↗
open jev / email selection control v1 Noul 61.5 100.0 40.6 来源 ↗
laya / typed decisions Score 61.2 63.5 26.5 来源 ↗
open jev / workflow controls v1 / security incidents Noul 61.0 100.0 37.8 来源 ↗
few nerd Choice 60.9 86.4 43.9 来源 ↗
open jev / phone extraction control v1 Noul 60.9 100.0 50.4 来源 ↗
scitail Noul 60.0 98.0 53.0 来源 ↗
open jev / amount extraction control v1 Noul 59.4 100.0 33.3 来源 ↗
synthetic relevance / nanocoir Noul 56.4 73.0 33.6 来源 ↗
synthetic relevance / nanobeir / nanonq Noul 55.6 67.2 39.5 来源 ↗
contract nli Choice 55.5 76.0 31.8 来源 ↗
defeasible nli Choice 54.4 80.4 32.8 来源 ↗
babi nli Noul 54.0 84.0 37.0 来源 ↗
arct Choice 53.2 89.4 39.4 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Noul 51.7 62.5 37.3 来源 ↗
open jev / reasoning control v1 Noul 50.7 100.0 25.3 来源 ↗
open jev / ir control v1 Noul 50.0 100.0 47.3 来源 ↗
robust lr Choice 50.0 66.7 18.8 来源 ↗
winobias Choice 50.0 91.3 30.1 来源 ↗
go emotions Noul 48.7 61.3 38.3 来源 ↗
canttalk Noul 48.0 86.0 43.9 来源 ↗
hans Noul 48.0 100.0 43.3 来源 ↗
gsm8k Choice 47.1 78.6 23.5 来源 ↗
open jev / customer control v1 Score 47.1 99.3 36.7 来源 ↗
open jev / workflow controls v1 / invoice processing Noul 46.6 100.0 34.6 来源 ↗
creak Noul 46.0 88.0 38.8 来源 ↗
open jev / context retention control v1 Noul 46.0 100.0 19.0 来源 ↗
crows pairs Choice 45.8 70.8 30.4 来源 ↗
laya / typed decisions Noul 45.5 47.8 24.4 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Noul 44.5 46.2 25.1 来源 ↗
open jev / vizdoom basic v1 Score 44.3 100.0 29.6 来源 ↗
open jev / vizdoom basic v1 Noul 44.1 100.0 39.0 来源 ↗
open jev / painting geometry v1 Noul 43.8 100.0 27.2 来源 ↗
synthetic relevance / nanobeir / nanohotpotqa Noul 43.6 70.8 28.4 来源 ↗
open jev / phone extraction control v1 Choice 43.5 100.0 32.4 来源 ↗
ruletaker Noul 42.0 96.0 27.7 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Noul 41.6 52.1 29.0 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Noul 40.5 54.0 28.6 来源 ↗
open jev / reasoning control v1 Choice 40.0 95.0 28.4 来源 ↗
aegis2 Noul 39.2 62.3 32.8 来源 ↗
open jev / workflow controls v1 / agent trace observability Noul 37.9 100.0 27.8 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Noul 37.4 47.0 26.6 来源 ↗
patent similarity Score 34.8 48.3 17.7 来源 ↗
aqua rat Choice 33.8 77.5 10.7 来源 ↗
open jev / reasoning control v1 Score 33.5 90.7 27.7 来源 ↗
ethics Choice 33.3 83.3 20.9 来源 ↗
followir core17 Noul 33.3 46.6 21.2 来源 ↗
open jev / painting geometry v1 Score 32.6 100.0 15.2 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Score 30.6 44.3 20.6 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Noul 30.1 41.7 17.3 来源 ↗
logical entailment Noul 30.0 72.0 12.2 来源 ↗
civil comments Noul 29.7 36.7 21.4 来源 ↗
laya / typed decisions Choice 29.4 34.5 18.9 来源 ↗
sgd Choice 28.8 96.6 24.4 来源 ↗
synthetic relevance / nanobeir / nanoarguana Noul 27.2 48.2 15.6 来源 ↗
open jev / email selection control v1 Choice 27.0 100.0 23.4 来源 ↗
boardgameqa Choice 26.6 62.5 15.6 来源 ↗
stepgame Choice 22.6 82.1 17.8 来源 ↗
wiqa Choice 22.2 58.7 19.3 来源 ↗
ethics Noul 22.0 68.6 23.9 来源 ↗
lexcomp Noul 22.0 52.0 22.5 来源 ↗
winowhy Noul 22.0 62.0 18.8 来源 ↗
ud ewt Choice 20.8 56.7 13.2 来源 ↗
cladder Noul 18.0 94.0 17.7 来源 ↗
esci Choice 17.8 46.6 13.0 来源 ↗
open jev / entity alignment control v1 Score 15.0 100.0 8.1 来源 ↗
temporal nli Choice 14.5 80.7 18.3 来源 ↗
followir news21 Noul 14.0 42.7 14.9 来源 ↗
spartqa Choice 11.3 38.7 4.4 来源 ↗
tracie Noul 10.0 34.0 8.7 来源 ↗
fol nli Choice 9.8 54.1 10.4 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Score 7.3 36.7 7.2 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Score 3.8 44.9 17.6 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Score 1.1 46.7 15.2 来源 ↗
argument quality Noul 0.3 23.9 5.4 来源 ↗
corr2cause Choice 0.0 91.7 3.8 来源 ↗
hh rlhf Choice 0.0 23.1 3.1 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 / ir control v1 Score 0.0 98.6 10.1 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 ↗
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 / nanobeir / nanohotpotqa Score 0.0 63.6 13.9 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Score 0.0 52.6 17.8 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Score 0.0 38.6 10.7 来源 ↗
synthetic relevance / nanobeir / nanonq Score 0.0 49.4 9.3 来源 ↗
synthetic relevance / nanocoir Score 0.0 44.3 4.3 来源 ↗