decision.host
首页 / 模型 / Winnow 12B

Winnow 12B

EldanRing ChoiceNoulScore图像 开源权重 12B（活跃 12B） curateddidi_visions1mb

12B 级，文本榜第 8（54.6）、Vision 榜第 6（59.8），两个榜都稳。

Hugging Face 权重Decision Index 排行榜Decision Index Vision 子榜S1MB 排行榜
S1MB Task Avg
54.6
第 8 名 · 覆盖 137/137（100%）
Decision Index Full
49.3
第 26 名 · public 50.7
Vision Full
59.8
第 6 名 · public 64.4
校准 ECE
0.168
越低越好 · Brier 0.486

模型信息

厂商
EldanRing
类别
开源权重
参数规模
12B（活跃 12B）
基座模型
google/gemma-4-12B
权重
可下载（开源）
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
可以
微调方法
LoRA
训练方式
LoRA

数据来源与链接

Hugging Face 权重Decision Index 排行榜Decision Index Vision 子榜S1MB 排行榜
本站聚合自： curated、di、di_vision、s1mb。 分数与链接均指向原始出处。

Decision Index 领域得分

知识与推理
61.2
语言理解
80.0
检索与分类
60.2
工具与自动化
85.0
艺术与人类品味
50.9

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 / 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 / mailroom control v1 Choice 100.0 100.0 82.9 来源 ↗
open jev / phone extraction control v1 Noul 100.0 100.0 50.4 来源 ↗
s1mb generalization contextual choice Choice 98.7 100.0 82.6 来源 ↗
open jev / citation control v1 Choice 98.5 100.0 40.9 来源 ↗
open jev / mailroom control v1 Noul 97.5 100.0 62.5 来源 ↗
open jev / sponsor segment control v1 Choice 97.4 100.0 52.2 来源 ↗
s1mb generalization diverse choice Choice 97.4 100.0 69.5 来源 ↗
s1mb generalization diverse noul Noul 96.0 100.0 59.2 来源 ↗
arc Choice 95.6 98.5 64.4 来源 ↗
dbpedia Choice 95.5 98.9 83.5 来源 ↗
open jev / entity alignment control v1 Noul 94.7 100.0 35.9 来源 ↗
open jev / context retention control v1 Noul 94.0 100.0 19.0 来源 ↗
s1mb generalization contextual noul Noul 94.0 98.0 62.0 来源 ↗
open jev / ir control v1 Noul 92.9 100.0 47.3 来源 ↗
s1mb generalization diverse score Score 91.9 95.3 42.8 来源 ↗
laya / enron spam Noul 90.0 100.0 54.6 来源 ↗
openbookqa Choice 88.9 97.2 53.7 来源 ↗
s1mb generalization contextual score Score 88.4 92.7 42.1 来源 ↗
hatecheck Noul 88.0 98.0 47.5 来源 ↗
impli Noul 88.0 88.0 46.7 来源 ↗
sdoh nli Noul 88.0 92.0 60.8 来源 ↗
bbq Choice 86.7 98.3 53.8 来源 ↗
massive Choice 86.3 96.7 64.5 来源 ↗
clinc Choice 86.2 99.3 57.3 来源 ↗
scone Choice 86.0 92.0 34.2 来源 ↗
open jev / reasoning control v1 Choice 85.0 95.0 28.4 来源 ↗
hwu64 Choice 84.0 92.5 56.8 来源 ↗
quartz Choice 83.3 88.1 49.1 来源 ↗
open jev / customer control v1 Choice 82.6 82.6 64.3 来源 ↗
open jev / phone extraction control v1 Choice 82.6 100.0 32.4 来源 ↗
open jev / vizdoom basic v1 Noul 82.3 100.0 39.0 来源 ↗
creak Noul 82.0 88.0 38.8 来源 ↗
open jev / silent failure control v1 Noul 82.0 100.0 38.8 来源 ↗
open jev / workflow controls v1 / security incidents Noul 81.0 100.0 37.8 来源 ↗
open jev / email selection control v1 Noul 80.8 100.0 40.6 来源 ↗
open jev / ir control v1 Choice 80.0 88.0 44.8 来源 ↗
argument quality Choice 79.6 95.9 37.4 来源 ↗
miqa Choice 79.5 95.5 61.9 来源 ↗
laya / ag news Choice 79.1 94.0 75.4 来源 ↗
mtop Choice 78.9 86.9 58.6 来源 ↗
open jev / workflow controls v1 / agent trace observability Noul 78.8 100.0 27.8 来源 ↗
lonli Choice 78.7 86.9 39.2 来源 ↗
open jev / amount extraction control v1 Choice 76.5 100.0 55.0 来源 ↗
hans Noul 76.0 100.0 43.3 来源 ↗
scitail Noul 76.0 98.0 53.0 来源 ↗
open jev / workflow controls v1 / customer service Noul 75.7 100.0 41.6 来源 ↗
qasper Noul 74.0 88.0 41.6 来源 ↗
gretel pii Choice 72.7 94.5 43.1 来源 ↗
babi nli Noul 72.0 84.0 37.0 来源 ↗
synthetic relevance / nanocoir Noul 71.5 73.0 33.6 来源 ↗
few nerd Choice 71.0 86.4 43.9 来源 ↗
open jev / workflow controls v1 / invoice processing Noul 70.8 100.0 34.6 来源 ↗
winobias Choice 69.6 91.3 30.1 来源 ↗
arct Choice 68.1 89.4 39.4 来源 ↗
ethos Noul 68.0 76.0 43.7 来源 ↗
open jev / customer control v1 Score 66.3 99.3 36.7 来源 ↗
paws Noul 66.0 88.0 45.7 来源 ↗
ethics Noul 66.0 68.6 23.9 来源 ↗
open jev / reasoning control v1 Score 65.6 90.7 27.7 来源 ↗
banking77 Choice 64.2 93.7 54.6 来源 ↗
followir robust04 Noul 63.5 90.9 46.9 来源 ↗
synthetic relevance / nanobeir / nanonq Noul 63.4 67.2 39.5 来源 ↗
robust lr Choice 63.3 66.7 18.8 来源 ↗
open jev / amount extraction control v1 Noul 62.5 100.0 33.3 来源 ↗
synthetic relevance / nanobeir / nanohotpotqa Noul 62.4 70.8 28.4 来源 ↗
scicite Choice 61.3 71.0 44.0 来源 ↗
open jev / ir control v1 Score 61.1 98.6 10.1 来源 ↗
snli Choice 59.7 98.4 46.0 来源 ↗
ruletaker Noul 58.0 96.0 27.7 来源 ↗
contract nli Choice 56.6 76.0 31.8 来源 ↗
defeasible nli Choice 56.5 80.4 32.8 来源 ↗
synthetic relevance / nanobeir / nanohotpotqa Score 55.1 63.6 13.9 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Noul 55.1 62.5 37.3 来源 ↗
winowhy Noul 54.0 62.0 18.8 来源 ↗
open jev / painting geometry v1 Choice 52.6 100.0 46.2 来源 ↗
lexcomp Noul 52.0 52.0 22.5 来源 ↗
aegis2 Noul 51.6 62.3 32.8 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Noul 51.1 52.1 29.0 来源 ↗
open jev / vizdoom basic v1 Score 50.7 100.0 29.6 来源 ↗
canttalk Noul 50.0 86.0 43.9 来源 ↗
open jev / entity alignment control v1 Score 49.8 100.0 8.1 来源 ↗
gsm8k Choice 48.6 78.6 23.5 来源 ↗
go emotions Noul 48.6 61.3 38.3 来源 ↗
open jev / reasoning control v1 Noul 45.6 100.0 25.3 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Noul 45.4 54.0 28.6 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Noul 44.7 46.2 25.1 来源 ↗
stepgame Choice 42.9 82.1 17.8 来源 ↗
sgd Choice 42.4 96.6 24.4 来源 ↗
ud ewt Choice 41.9 56.7 13.2 来源 ↗
synthetic relevance / nanobeir / nanoarguana Noul 41.9 48.2 15.6 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Score 41.1 44.9 17.6 来源 ↗
patent similarity Score 40.5 48.3 17.7 来源 ↗
open jev / painting geometry v1 Noul 40.0 100.0 27.2 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Noul 39.1 41.7 17.3 来源 ↗
laya / typed decisions Noul 37.2 47.8 24.4 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Noul 37.1 47.0 26.6 来源 ↗
laya / typed decisions Score 36.2 63.5 26.5 来源 ↗
followir core17 Noul 35.5 46.6 21.2 来源 ↗
temporal nli Choice 35.5 80.7 18.3 来源 ↗
aqua rat Choice 33.8 77.5 10.7 来源 ↗
civil comments Noul 33.5 36.7 21.4 来源 ↗
ethics Choice 33.3 83.3 20.9 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Score 33.3 46.7 15.2 来源 ↗
cladder Noul 32.0 94.0 17.7 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Score 31.7 52.6 17.8 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Score 31.6 44.3 20.6 来源 ↗
synthetic relevance / nanobeir / nanonq Score 30.1 49.4 9.3 来源 ↗
synthetic relevance / nanocoir Score 29.0 44.3 4.3 来源 ↗
wiqa Choice 28.6 58.7 19.3 来源 ↗
followir news21 Noul 28.0 42.7 14.9 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Score 27.7 36.7 7.2 来源 ↗
crows pairs Choice 27.1 70.8 30.4 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Score 26.2 38.6 10.7 来源 ↗
boardgameqa Choice 25.0 62.5 15.6 来源 ↗
spartqa Choice 24.2 38.7 4.4 来源 ↗
laya / typed decisions Choice 23.9 34.5 18.9 来源 ↗
esci Choice 23.3 46.6 13.0 来源 ↗
logical entailment Noul 22.0 72.0 12.2 来源 ↗
fol nli Choice 21.3 54.1 10.4 来源 ↗
open jev / snake v1 Noul 21.0 100.0 9.0 来源 ↗
synthetic relevance / nanobeir / nanoarguana Score 17.6 36.0 7.7 来源 ↗
open jev / snake v1 Choice 12.4 83.5 8.1 来源 ↗
tracie Noul 12.0 34.0 8.7 来源 ↗
argument quality Noul 8.5 23.9 5.4 来源 ↗
hh rlhf Choice 7.7 23.1 3.1 来源 ↗
open jev / tic tac toe v1 Choice 5.3 48.5 3.5 来源 ↗
corr2cause Choice 0.0 91.7 3.8 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 / painting geometry v1 Score 0.0 100.0 15.2 来源 ↗
plane Noul 0.0 100.0 11.1 来源 ↗
poem sentiment Choice 0.0 57.1 4.0 来源 ↗

Decision Index · 42 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 98.0 99.5 87.3 来源 ↗
ARC-Challenge 混合（Choice 94.8 98.2 79.4 来源 ↗
BFCL 混合（Choice 94.8 98.8 80.5 来源 ↗
FinEntity 混合（Choice 91.7 97.1 73.8 来源 ↗
CLINC150 混合（Choice 87.0 97.4 67.8 来源 ↗
HellaSwag 混合（Choice 85.1 98.5 73.0 来源 ↗
When2Call 混合（Choice 83.2 91.7 57.8 来源 ↗
BPoMP 混合（Choice 83.1 97.0 73.8 来源 ↗
NLI4CT 混合（Choice 82.9 86.2 69.3 来源 ↗
RouterBench 混合（Choice 79.8 80.1 73.2 来源 ↗
MMLU 混合（Choice 77.3 91.9 64.4 来源 ↗
RAGTruth 混合（Choice 77.1 86.0 52.1 来源 ↗
BANKING77 混合（Choice 75.1 94.1 68.7 来源 ↗
WinoGrande 混合（Choice 74.1 97.5 69.8 来源 ↗
ContractNLI 混合（Choice 72.9 86.5 59.9 来源 ↗
HoVer 混合（Choice 72.0 89.4 63.8 来源 ↗
BBH 混合（Choice 71.3 92.9 58.3 来源 ↗
CRUXEval 混合（Choice 69.5 87.9 50.7 来源 ↗
VAST 混合（Choice 68.6 82.0 50.1 来源 ↗
CLadder 混合（Choice 68.6 97.7 62.5 来源 ↗
API-Bank 混合（Choice 67.3 93.1 56.3 来源 ↗
ANLI 混合（Choice 66.7 98.6 54.0 来源 ↗
PhishNChips 混合（Choice 65.9 99.9 62.1 来源 ↗
ToolRet 混合（Choice 65.2 69.1 55.1 来源 ↗
New Yorker 混合（Choice 64.8 82.0 52.9 来源 ↗
Humicroedit 混合（Choice 61.3 75.1 57.2 来源 ↗
MuSR 混合（Choice 61.0 86.2 56.0 来源 ↗
cfcolor 混合（Choice 60.2 70.2 57.9 来源 ↗
iSarcasmEval 混合（Choice 57.7 71.0 38.4 来源 ↗
MMLU-Pro 混合（Choice 54.8 82.7 42.3 来源 ↗
Home appliances 混合（Choice 54.5 98.9 23.2 来源 ↗
Amazon ESCI 混合（Choice 53.0 61.6 40.9 来源 ↗
GSM8K 混合（Choice 48.6 83.5 36.0 来源 ↗
BRIGHT 混合（Choice 45.3 50.9 36.1 来源 ↗
Habermas 混合（Choice 41.8 71.8 42.2 来源 ↗
GPQA Diamond 混合（Choice 38.8 78.3 37.7 来源 ↗
SATA-Bench 混合（Choice 33.6 37.2 20.3 来源 ↗
ChessBench 混合（Choice 17.3 40.2 14.2 来源 ↗
ACOS 混合（Choice 15.5 57.3 14.6 来源 ↗
SGD 混合（Choice 11.9 73.4 47.4 来源 ↗
HLE 混合（Choice 10.4 20.4 12.3 来源 ↗
POP909 混合（Choice 8.1 74.6 12.6 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 90.8 92.7 80.0 来源 ↗
InfographicVQA 图像 88.7 98.7 77.3 来源 ↗
InfographicVQA 图像 87.4 98.7 77.3 来源 ↗
KIE (CORD+FUNSD) 图像 82.5 92.7 80.0 来源 ↗
Winoground 图像 82.0 93.0 70.7 来源 ↗
Winoground 图像 80.0 93.0 70.7 来源 ↗
Mind2Web 图像 76.3 79.7 49.7 来源 ↗
CV-Bench 图像 67.8 76.6 49.1 来源 ↗
CharXiv 图像 67.4 79.7 48.5 来源 ↗
CharXiv 图像 60.4 79.7 48.5 来源 ↗
Mind2Web 图像 60.0 79.7 49.7 来源 ↗
RealWorldQA 图像 53.4 75.3 41.1 来源 ↗
BLINK 图像 50.9 63.0 32.0 来源 ↗
Moderation (Hateful Memes) 图像 45.0 54.0 28.6 来源 ↗
Moderation (Hateful Memes) 图像 31.6 54.0 28.6 来源 ↗
CV-Bench 图像 31.0 76.6 49.1 来源 ↗
MMMU-Pro vision 图像 30.6 40.7 22.3 来源 ↗
RealWorldQA 图像 28.0 75.3 41.1 来源 ↗
R-Bench-M 图像 24.9 35.4 19.0 来源 ↗
BLINK 图像 22.0 63.0 32.0 来源 ↗

同族条目（2）

型号参数Decision Index S1MBVision榜单
Winnow 12B 当前 12B（活跃 12B） 49.3 54.6 59.8 s1mb, di, di_vision
Winnow-E4B 8.0B 38.7 — 43.4 di, di_vision