decision.host
首页 / 模型 / AlexWortega OpenJev — qwen3.5-4b-nli-v5

AlexWortega OpenJev — qwen3.5-4b-nli-v5

AlexWortega ChoiceNoulScore 4.5B(活跃 3.9B) S1MB
S1MB Task Avg
36.5
第 44 名 · 覆盖 137/137(100%)

模型信息

厂商
AlexWortega
类别
开源权重
参数规模
4.5B(活跃 3.9B)
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
s1mb generalization contextual choice Choice 94.8 100.0 82.8 来源 ↗
dbpedia Choice 94.4 98.9 83.7 来源 ↗
open jev / customer control v1 Noul 93.8 100.0 58.4 来源 ↗
s1mb generalization diverse choice Choice 93.4 100.0 69.8 来源 ↗
arc Choice 92.7 98.5 64.7 来源 ↗
open jev / mailroom control v1 Choice 91.7 100.0 83.1 来源 ↗
clinc Choice 91.0 99.3 57.7 来源 ↗
laya / enron spam Noul 88.0 100.0 55.0 来源 ↗
open jev / mailroom control v1 Noul 85.3 100.0 62.9 来源 ↗
open jev / customer control v1 Choice 82.6 82.6 64.4 来源 ↗
laya / ag news Choice 82.1 94.0 75.5 来源 ↗
s1mb generalization contextual noul Noul 82.0 98.0 62.3 来源 ↗
s1mb generalization diverse noul Noul 82.0 100.0 59.5 来源 ↗
miqa Choice 81.8 95.5 62.3 来源 ↗
open jev / sponsor segment control v1 Choice 80.8 100.0 52.7 来源 ↗
bbq Choice 80.0 98.3 54.2 来源 ↗
massive Choice 79.7 96.7 64.8 来源 ↗
open jev / painting geometry v1 Choice 79.0 100.0 46.7 来源 ↗
open jev / browser control v1 Choice 76.1 100.0 67.7 来源 ↗
openbookqa Choice 75.0 97.2 54.1 来源 ↗
banking77 Choice 74.7 93.7 55.0 来源 ↗
gretel pii Choice 73.7 94.5 43.5 来源 ↗
mtop Choice 73.2 87.4 58.9 来源 ↗
canttalk Noul 72.0 86.0 44.1 来源 ↗
open jev / vizdoom basic v1 Noul 70.6 100.0 39.6 来源 ↗
hwu64 Choice 70.2 92.5 57.1 来源 ↗
open jev / phone extraction control v1 Noul 70.0 100.0 50.9 来源 ↗
quartz Choice 69.0 88.1 49.4 来源 ↗
lonli Choice 68.8 86.9 39.6 来源 ↗
open jev / citation control v1 Choice 68.2 100.0 41.5 来源 ↗
creak Noul 68.0 88.0 39.0 来源 ↗
gsm8k Choice 65.7 78.6 23.9 来源 ↗
hans Noul 64.0 100.0 43.6 来源 ↗
followir robust04 Noul 63.5 90.9 47.2 来源 ↗
argument quality Choice 63.3 95.9 37.8 来源 ↗
synthetic relevance / nanocoir Noul 60.7 73.0 33.9 来源 ↗
ethos Noul 60.0 76.0 44.0 来源 ↗
paws Noul 60.0 88.0 45.9 来源 ↗
snli Choice 59.7 98.4 46.4 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Noul 59.1 62.5 37.5 来源 ↗
synthetic relevance / nanobeir / nanonq Noul 58.2 67.2 39.7 来源 ↗
s1mb generalization contextual score Score 58.2 92.7 42.4 来源 ↗
open jev / ir control v1 Noul 57.1 100.0 47.6 来源 ↗
scicite Choice 56.5 71.0 44.1 来源 ↗
open jev / workflow controls v1 / customer service Noul 56.3 100.0 42.1 来源 ↗
open jev / workflow controls v1 / invoice processing Noul 55.4 100.0 34.8 来源 ↗
arct Choice 55.3 89.4 39.6 来源 ↗
few nerd Choice 55.2 86.4 44.2 来源 ↗
open jev / painting geometry v1 Noul 54.3 100.0 27.8 来源 ↗
hatecheck Noul 54.0 98.0 47.8 来源 ↗
go emotions Noul 53.1 61.3 38.5 来源 ↗
open jev / amount extraction control v1 Choice 52.9 100.0 55.2 来源 ↗
open jev / ir control v1 Choice 52.0 88.0 45.1 来源 ↗
s1mb generalization diverse score Score 50.1 95.3 43.1 来源 ↗
open jev / silent failure control v1 Noul 50.0 100.0 38.8 来源 ↗
winobias Choice 50.0 91.3 30.5 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Noul 49.5 54.0 28.7 来源 ↗
qasper Noul 48.0 88.0 41.9 来源 ↗
open jev / phone extraction control v1 Choice 47.8 100.0 33.0 来源 ↗
open jev / amount extraction control v1 Noul 46.9 100.0 33.7 来源 ↗
aegis2 Noul 46.6 62.3 33.0 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Noul 46.0 52.1 29.1 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Noul 45.7 47.0 26.8 来源 ↗
laya / typed decisions Score 45.7 67.0 26.9 来源 ↗
babi nli Noul 44.0 84.0 37.3 来源 ↗
impli Noul 44.0 88.0 47.0 来源 ↗
crows pairs Choice 43.8 70.8 30.7 来源 ↗
open jev / reasoning control v1 Noul 40.4 100.0 25.5 来源 ↗
scitail Noul 40.0 98.0 53.2 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Noul 37.8 46.2 25.1 来源 ↗
synthetic relevance / nanobeir / nanohotpotqa Noul 36.4 70.8 28.3 来源 ↗
sdoh nli Noul 36.0 92.0 61.0 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Noul 35.9 41.7 17.4 来源 ↗
open jev / workflow controls v1 / security incidents Noul 35.3 100.0 38.2 来源 ↗
open jev / email selection control v1 Noul 34.6 100.0 41.3 来源 ↗
open jev / entity alignment control v1 Noul 34.2 100.0 36.5 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Score 34.1 44.3 20.9 来源 ↗
open jev / customer control v1 Score 34.1 99.3 36.9 来源 ↗
open jev / reasoning control v1 Score 33.6 90.7 28.1 来源 ↗
synthetic relevance / nanobeir / nanoarguana Noul 31.9 48.2 15.7 来源 ↗
sgd Choice 30.5 96.6 24.4 来源 ↗
lexcomp Noul 30.0 52.0 22.7 来源 ↗
open jev / reasoning control v1 Choice 30.0 95.0 28.8 来源 ↗
stepgame Choice 29.8 82.1 18.0 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Score 29.3 52.6 18.1 来源 ↗
followir core17 Noul 28.9 46.6 21.3 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Score 28.2 46.7 15.4 来源 ↗
defeasible nli Choice 26.1 80.4 33.2 来源 ↗
laya / typed decisions Noul 25.8 47.8 24.6 来源 ↗
laya / typed decisions Choice 25.0 34.5 19.1 来源 ↗
civil comments Noul 24.7 36.7 21.5 来源 ↗
ud ewt Choice 24.6 56.7 13.4 来源 ↗
open jev / painting geometry v1 Score 23.8 100.0 15.9 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Score 23.4 44.9 17.8 来源 ↗
aqua rat Choice 22.5 77.5 11.0 来源 ↗
esci Choice 21.9 46.6 13.3 来源 ↗
wiqa Choice 20.6 58.7 19.5 来源 ↗
ethics Noul 20.0 68.6 24.1 来源 ↗
ruletaker Noul 20.0 96.0 28.0 来源 ↗
contract nli Choice 20.0 78.5 32.3 来源 ↗
fol nli Choice 19.7 54.1 10.4 来源 ↗
open jev / workflow controls v1 / agent trace observability Noul 19.1 100.0 28.3 来源 ↗
winowhy Noul 18.0 62.0 19.0 来源 ↗
ethics Choice 16.7 83.3 21.2 来源 ↗
temporal nli Choice 16.1 80.7 18.5 来源 ↗
cladder Noul 16.0 94.0 18.3 来源 ↗
open jev / vizdoom basic v1 Score 15.7 100.0 30.2 来源 ↗
followir news21 Noul 14.7 42.7 14.9 来源 ↗
nlsat Noul 14.0 22.0 2.2 来源 ↗
plane Noul 12.0 100.0 11.1 来源 ↗
patent similarity Score 11.0 48.3 17.9 来源 ↗
boardgameqa Choice 10.9 62.5 15.8 来源 ↗
logical entailment Noul 10.0 72.0 12.3 来源 ↗
open jev / snake v1 Noul 7.8 100.0 9.1 来源 ↗
spartqa Choice 6.5 38.7 4.5 来源 ↗
open jev / snake v1 Choice 6.2 83.5 8.4 来源 ↗
argument quality Noul 6.2 23.9 5.4 来源 ↗
robust lr Choice 5.0 66.7 19.1 来源 ↗
synthetic relevance / nanobeir / nanohotpotqa Score 4.1 63.6 14.1 来源 ↗
tracie Noul 4.0 34.0 8.8 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Score 3.9 36.7 7.3 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Score 3.1 38.6 10.9 来源 ↗
synthetic relevance / nanobeir / nanoarguana Score 2.8 36.0 7.6 来源 ↗
open jev / context retention control v1 Noul 2.0 100.0 19.7 来源 ↗
corr2cause Choice 0.0 91.7 3.8 来源 ↗
hh rlhf Choice 0.0 23.1 3.1 来源 ↗
open jev / drone control v1 Choice 0.0 100.0 5.1 来源 ↗
open jev / drone control v1 Noul 0.0 100.0 50.7 来源 ↗
open jev / drone control v1 Score 0.0 99.2 1.3 来源 ↗
open jev / email selection control v1 Choice 0.0 100.0 24.2 来源 ↗
open jev / entity alignment control v1 Score 0.0 100.0 8.5 来源 ↗
open jev / ir control v1 Score 0.0 98.6 10.6 来源 ↗
open jev / tic tac toe v1 Choice 0.0 48.5 3.5 来源 ↗
poem sentiment Choice 0.0 57.1 3.9 来源 ↗
scone Choice 0.0 92.0 34.5 来源 ↗
synthetic relevance / nanobeir / nanonq Score 0.0 49.4 9.5 来源 ↗
synthetic relevance / nanocoir Score 0.0 44.3 4.3 来源 ↗