decision.host
首页 / 模型 / AutoJev-27B

AutoJev-27B

denis-pplx ChoiceNoulScore 开源权重 26B(活跃 25B) curateds1mb

S1MB 第 2 名(60.8 分),作者与 Perplexity 相关(denis-pplx)。

S1MB Task Avg
60.8
第 2 名 · 覆盖 137/137(100%)

模型信息

厂商
denis-pplx
类别
开源权重
参数规模
26B(活跃 25B)
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

数据来源与链接

本站聚合自: curated、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 / citation control v1 Choice 100.0 100.0 40.9 来源 ↗
open jev / customer control v1 Noul 100.0 100.0 58.0 来源 ↗
open jev / drone control v1 Noul 100.0 100.0 50.2 来源 ↗
open jev / email selection control v1 Choice 100.0 100.0 23.4 来源 ↗
open jev / email selection control v1 Noul 100.0 100.0 40.6 来源 ↗
open jev / entity alignment control v1 Noul 100.0 100.0 35.9 来源 ↗
open jev / mailroom control v1 Choice 100.0 100.0 82.9 来源 ↗
open jev / painting geometry v1 Choice 100.0 100.0 46.2 来源 ↗
open jev / phone extraction control v1 Noul 100.0 100.0 50.4 来源 ↗
open jev / vizdoom basic v1 Noul 100.0 100.0 39.0 来源 ↗
s1mb generalization contextual choice Choice 100.0 100.0 82.6 来源 ↗
s1mb generalization diverse choice Choice 100.0 100.0 69.5 来源 ↗
s1mb generalization diverse noul Noul 98.0 100.0 59.2 来源 ↗
dbpedia Choice 97.8 98.9 83.5 来源 ↗
arc Choice 97.1 98.5 64.4 来源 ↗
bbq Choice 96.7 98.3 53.8 来源 ↗
open jev / sponsor segment control v1 Choice 96.2 100.0 52.2 来源 ↗
s1mb generalization contextual noul Noul 96.0 98.0 62.0 来源 ↗
openbookqa Choice 95.8 97.2 53.7 来源 ↗
open jev / context retention control v1 Noul 94.0 100.0 19.0 来源 ↗
open jev / workflow controls v1 / security incidents Noul 93.9 100.0 37.8 来源 ↗
open jev / ir control v1 Noul 92.9 100.0 47.3 来源 ↗
open jev / amount extraction control v1 Choice 92.2 100.0 55.0 来源 ↗
scone Choice 92.0 92.0 34.2 来源 ↗
miqa Choice 90.9 95.5 61.9 来源 ↗
s1mb generalization diverse score Score 90.7 95.3 42.8 来源 ↗
open jev / amount extraction control v1 Noul 90.6 100.0 33.3 来源 ↗
open jev / mailroom control v1 Noul 90.3 100.0 62.5 来源 ↗
sdoh nli Noul 90.0 92.0 60.8 来源 ↗
clinc Choice 89.7 99.3 57.3 来源 ↗
open jev / workflow controls v1 / agent trace observability Noul 88.5 100.0 27.8 来源 ↗
open jev / ir control v1 Choice 88.0 88.0 44.8 来源 ↗
massive Choice 87.9 96.7 64.5 来源 ↗
hwu64 Choice 87.2 92.5 56.8 来源 ↗
s1mb generalization contextual score Score 86.1 92.7 42.1 来源 ↗
laya / enron spam Noul 86.0 100.0 54.6 来源 ↗
argument quality Choice 85.7 95.9 37.4 来源 ↗
quartz Choice 85.7 88.1 49.1 来源 ↗
open jev / workflow controls v1 / invoice processing Noul 85.5 100.0 34.6 来源 ↗
babi nli Noul 84.0 84.0 37.0 来源 ↗
hatecheck Noul 84.0 98.0 47.5 来源 ↗
impli Noul 84.0 88.0 46.7 来源 ↗
scitail Noul 84.0 98.0 53.0 来源 ↗
open jev / vizdoom basic v1 Score 83.8 100.0 29.6 来源 ↗
ethics Choice 83.3 83.3 20.9 来源 ↗
mtop Choice 82.9 86.9 58.6 来源 ↗
winobias Choice 82.6 91.3 30.1 来源 ↗
qasper Noul 82.0 88.0 41.6 来源 ↗
laya / ag news Choice 80.6 94.0 75.4 来源 ↗
lonli Choice 80.3 86.9 39.2 来源 ↗
creak Noul 80.0 88.0 38.8 来源 ↗
open jev / painting geometry v1 Noul 80.0 100.0 27.2 来源 ↗
open jev / reasoning control v1 Choice 80.0 95.0 28.4 来源 ↗
arct Choice 78.7 89.4 39.4 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 ↗
open jev / painting geometry v1 Score 76.6 100.0 15.2 来源 ↗
open jev / snake v1 Noul 76.0 100.0 9.0 来源 ↗
hans Noul 76.0 100.0 43.3 来源 ↗
banking77 Choice 75.8 93.7 54.6 来源 ↗
gsm8k Choice 75.7 78.6 23.5 来源 ↗
few nerd Choice 75.3 86.4 43.9 来源 ↗
defeasible nli Choice 73.9 80.4 32.8 来源 ↗
contract nli Choice 71.7 76.0 31.8 来源 ↗
snli Choice 71.0 98.4 46.0 来源 ↗
open jev / reasoning control v1 Score 70.4 90.7 27.7 来源 ↗
open jev / ir control v1 Score 70.0 98.6 10.1 来源 ↗
synthetic relevance / nanocoir Noul 67.8 73.0 33.6 来源 ↗
gretel pii Choice 67.2 94.5 43.1 来源 ↗
synthetic relevance / nanobeir / nanonq Noul 65.7 67.2 39.5 来源 ↗
open jev / phone extraction control v1 Choice 65.2 100.0 32.4 来源 ↗
open jev / reasoning control v1 Noul 64.0 100.0 25.3 来源 ↗
open jev / customer control v1 Score 63.4 99.3 36.7 来源 ↗
open jev / workflow controls v1 / customer service Noul 63.3 100.0 41.6 来源 ↗
canttalk Noul 62.0 86.0 43.9 来源 ↗
open jev / silent failure control v1 Noul 62.0 100.0 38.8 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Noul 61.9 62.5 37.3 来源 ↗
scicite Choice 61.3 71.0 44.0 来源 ↗
ethics Noul 61.1 68.6 23.9 来源 ↗
crows pairs Choice 60.4 70.8 30.4 来源 ↗
cladder Noul 60.0 94.0 17.7 来源 ↗
ruletaker Noul 60.0 96.0 27.7 来源 ↗
followir robust04 Noul 59.8 90.9 46.9 来源 ↗
boardgameqa Choice 59.4 62.5 15.6 来源 ↗
open jev / snake v1 Choice 58.8 83.5 8.1 来源 ↗
open jev / entity alignment control v1 Score 58.5 100.0 8.1 来源 ↗
aegis2 Noul 57.5 62.3 32.8 来源 ↗
ethos Noul 54.0 76.0 43.7 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Noul 54.0 54.0 28.6 来源 ↗
laya / typed decisions Score 53.8 63.5 26.5 来源 ↗
synthetic relevance / nanobeir / nanohotpotqa Noul 52.6 70.8 28.4 来源 ↗
robust lr Choice 50.0 66.7 18.8 来源 ↗
go emotions Noul 48.2 61.3 38.3 来源 ↗
lexcomp Noul 48.0 52.0 22.5 来源 ↗
temporal nli Choice 46.8 80.7 18.3 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Score 46.3 52.6 17.8 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Noul 45.4 52.1 29.0 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Noul 45.0 47.0 26.6 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Score 43.1 46.7 15.2 来源 ↗
wiqa Choice 41.3 58.7 19.3 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Noul 41.1 46.2 25.1 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Score 40.9 44.9 17.6 来源 ↗
aqua rat Choice 40.9 77.5 10.7 来源 ↗
patent similarity Score 40.6 48.3 17.7 来源 ↗
ud ewt Choice 40.6 56.7 13.2 来源 ↗
stepgame Choice 40.5 82.1 17.8 来源 ↗
synthetic relevance / nanobeir / nanohotpotqa Score 40.3 63.6 13.9 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Score 39.8 44.3 20.6 来源 ↗
sgd Choice 39.0 96.6 24.4 来源 ↗
synthetic relevance / nanobeir / nanoarguana Noul 38.4 48.2 15.6 来源 ↗
laya / typed decisions Noul 38.4 47.8 24.4 来源 ↗
winowhy Noul 38.0 62.0 18.8 来源 ↗
civil comments Noul 36.7 36.7 21.4 来源 ↗
synthetic relevance / nanobeir / nanonq Score 33.0 49.4 9.3 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Score 32.9 38.6 10.7 来源 ↗
followir core17 Noul 30.0 46.6 21.2 来源 ↗
laya / typed decisions Choice 30.0 34.5 18.9 来源 ↗
fol nli Choice 29.5 54.1 10.4 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Noul 29.0 41.7 17.3 来源 ↗
synthetic relevance / nanobeir / nanoarguana Score 28.5 36.0 7.7 来源 ↗
followir news21 Noul 21.3 42.7 14.9 来源 ↗
spartqa Choice 21.0 38.7 4.4 来源 ↗
esci Choice 19.2 46.6 13.0 来源 ↗
synthetic relevance / nanocoir Score 19.1 44.3 4.3 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Score 18.5 36.7 7.2 来源 ↗
tracie Noul 18.0 34.0 8.7 来源 ↗
hh rlhf Choice 17.9 23.1 3.1 来源 ↗
logical entailment Noul 16.0 72.0 12.2 来源 ↗
argument quality Noul 15.8 23.9 5.4 来源 ↗
open jev / tic tac toe v1 Choice 11.4 48.5 3.5 来源 ↗
poem sentiment Choice 5.7 57.1 4.0 来源 ↗
corr2cause Choice 3.3 91.7 3.8 来源 ↗
nlsat Noul 2.0 22.0 2.1 来源 ↗
plane Noul 2.0 100.0 11.1 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 ↗