decision.host
首页 / 模型 / Jeff Qwen3.5 2B

Jeff Qwen3.5 2B

mstrasser ChoiceNoulScore 2.2B(活跃 1.7B) S1MB
S1MB Task Avg
32.0
第 49 名 · 覆盖 137/137(100%)

模型信息

厂商
mstrasser
类别
开源权重
参数规模
2.2B(活跃 1.7B)
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 83.1 来源 ↗
s1mb generalization contextual choice Choice 96.1 100.0 82.8 来源 ↗
hwu64 Choice 92.5 92.5 57.1 来源 ↗
clinc Choice 91.7 99.3 57.7 来源 ↗
massive Choice 89.6 96.7 64.8 来源 ↗
open jev / browser control v1 Choice 89.1 100.0 67.7 来源 ↗
open jev / drone control v1 Noul 88.2 100.0 50.7 来源 ↗
open jev / mailroom control v1 Noul 88.1 100.0 62.9 来源 ↗
open jev / customer control v1 Noul 87.9 100.0 58.4 来源 ↗
dbpedia Choice 87.6 98.9 83.7 来源 ↗
paws Noul 86.0 88.0 45.9 来源 ↗
open jev / customer control v1 Choice 82.6 82.6 64.4 来源 ↗
open jev / vizdoom basic v1 Noul 82.3 100.0 39.6 来源 ↗
sdoh nli Noul 82.0 92.0 61.0 来源 ↗
s1mb generalization diverse choice Choice 81.5 100.0 69.8 来源 ↗
arc Choice 80.9 98.5 64.7 来源 ↗
laya / ag news Choice 79.1 94.0 75.5 来源 ↗
contract nli Choice 76.0 78.5 32.3 来源 ↗
canttalk Noul 76.0 86.0 44.1 来源 ↗
miqa Choice 75.0 95.5 62.3 来源 ↗
openbookqa Choice 75.0 97.2 54.1 来源 ↗
mtop Choice 74.3 87.4 58.9 来源 ↗
s1mb generalization contextual noul Noul 72.0 98.0 62.3 来源 ↗
quartz Choice 71.4 88.1 49.4 来源 ↗
snli Choice 71.0 98.4 46.4 来源 ↗
s1mb generalization diverse noul Noul 70.0 100.0 59.5 来源 ↗
bbq Choice 68.3 98.3 54.2 来源 ↗
open jev / ir control v1 Choice 68.0 88.0 45.1 来源 ↗
open jev / amount extraction control v1 Choice 64.7 100.0 55.2 来源 ↗
ethos Noul 64.0 76.0 44.0 来源 ↗
aegis2 Noul 62.3 62.3 33.0 来源 ↗
banking77 Choice 61.0 93.7 55.0 来源 ↗
open jev / phone extraction control v1 Noul 60.0 100.0 50.9 来源 ↗
synthetic relevance / nanobeir / nanonq Noul 58.3 67.2 39.7 来源 ↗
open jev / painting geometry v1 Choice 57.9 100.0 46.7 来源 ↗
followir robust04 Noul 57.6 90.9 47.2 来源 ↗
synthetic relevance / nanocoir Noul 53.3 73.0 33.9 来源 ↗
open jev / customer control v1 Score 53.3 99.3 36.9 来源 ↗
scicite Choice 53.2 71.0 44.1 来源 ↗
open jev / workflow controls v1 / customer service Noul 52.8 100.0 42.1 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Noul 52.7 62.5 37.5 来源 ↗
hans Noul 52.0 100.0 43.6 来源 ↗
open jev / citation control v1 Choice 51.5 100.0 41.5 来源 ↗
go emotions Noul 51.5 61.3 38.5 来源 ↗
open jev / workflow controls v1 / security incidents Noul 50.2 100.0 38.2 来源 ↗
open jev / ir control v1 Noul 50.0 100.0 47.6 来源 ↗
winobias Choice 47.8 91.3 30.5 来源 ↗
s1mb generalization diverse score Score 46.5 95.3 43.1 来源 ↗
s1mb generalization contextual score Score 45.7 92.7 42.4 来源 ↗
arct Choice 44.7 89.4 39.6 来源 ↗
hatecheck Noul 44.0 98.0 47.8 来源 ↗
open jev / phone extraction control v1 Choice 43.5 100.0 33.0 来源 ↗
open jev / sponsor segment control v1 Choice 42.3 100.0 52.7 来源 ↗
qasper Noul 42.0 88.0 41.9 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Noul 41.9 54.0 28.7 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Noul 41.7 52.1 29.1 来源 ↗
gretel pii Choice 41.2 94.5 43.5 来源 ↗
argument quality Choice 40.8 95.9 37.8 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Noul 40.7 46.2 25.1 来源 ↗
scitail Noul 40.0 98.0 53.2 来源 ↗
few nerd Choice 39.4 86.4 44.2 来源 ↗
lonli Choice 39.3 86.9 39.6 来源 ↗
defeasible nli Choice 39.1 80.4 33.2 来源 ↗
open jev / drone control v1 Choice 38.6 100.0 5.1 来源 ↗
open jev / email selection control v1 Noul 38.5 100.0 41.3 来源 ↗
babi nli Noul 38.0 84.0 37.3 来源 ↗
impli Noul 38.0 88.0 47.0 来源 ↗
patent similarity Score 35.8 48.3 17.9 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Noul 35.5 47.0 26.8 来源 ↗
crows pairs Choice 35.4 70.8 30.7 来源 ↗
open jev / entity alignment control v1 Noul 34.4 100.0 36.5 来源 ↗
open jev / workflow controls v1 / invoice processing Noul 33.5 100.0 34.8 来源 ↗
followir news21 Noul 32.0 42.7 14.9 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Score 31.9 44.3 20.9 来源 ↗
followir core17 Noul 31.8 46.6 21.3 来源 ↗
synthetic relevance / nanobeir / nanohotpotqa Noul 27.3 70.8 28.3 来源 ↗
open jev / workflow controls v1 / agent trace observability Noul 24.9 100.0 28.3 来源 ↗
open jev / context retention control v1 Noul 24.0 100.0 19.7 来源 ↗
wiqa Choice 23.8 58.7 19.5 来源 ↗
sgd Choice 23.7 96.6 24.4 来源 ↗
civil comments Noul 22.6 36.7 21.5 来源 ↗
laya / typed decisions Choice 22.3 34.5 19.1 来源 ↗
cladder Noul 22.0 94.0 18.3 来源 ↗
laya / enron spam Noul 22.0 100.0 55.0 来源 ↗
winowhy Noul 22.0 62.0 19.0 来源 ↗
laya / typed decisions Noul 21.9 47.8 24.6 来源 ↗
ethics Noul 21.8 68.6 24.1 来源 ↗
robust lr Choice 21.7 66.7 19.1 来源 ↗
stepgame Choice 21.4 82.1 18.0 来源 ↗
laya / typed decisions Score 20.9 67.0 26.9 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Score 20.4 44.9 17.8 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Score 20.3 52.6 18.1 来源 ↗
open jev / reasoning control v1 Noul 19.9 100.0 25.5 来源 ↗
gsm8k Choice 18.6 78.6 23.9 来源 ↗
open jev / reasoning control v1 Score 18.2 90.7 28.1 来源 ↗
lexcomp Noul 18.0 52.0 22.7 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Score 17.2 46.7 15.4 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Noul 16.7 41.7 17.4 来源 ↗
creak Noul 14.0 88.0 39.0 来源 ↗
esci Choice 11.0 46.6 13.3 来源 ↗
synthetic relevance / nanobeir / nanoarguana Noul 10.1 48.2 15.7 来源 ↗
logical entailment Noul 10.0 72.0 12.3 来源 ↗
open jev / reasoning control v1 Choice 10.0 95.0 28.8 来源 ↗
boardgameqa Choice 9.4 62.5 15.8 来源 ↗
plane Noul 8.0 100.0 11.1 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Score 5.3 38.6 10.9 来源 ↗
aqua rat Choice 2.8 77.5 11.0 来源 ↗
synthetic relevance / nanobeir / nanohotpotqa Score 2.8 63.6 14.1 来源 ↗
fol nli Choice 1.6 54.1 10.4 来源 ↗
open jev / painting geometry v1 Noul 0.9 100.0 27.8 来源 ↗
argument quality Noul 0.0 23.9 5.4 来源 ↗
corr2cause Choice 0.0 91.7 3.8 来源 ↗
ethics Choice 0.0 83.3 21.2 来源 ↗
hh rlhf Choice 0.0 23.1 3.1 来源 ↗
nlsat Noul 0.0 22.0 2.2 来源 ↗
open jev / amount extraction control v1 Noul 0.0 100.0 33.7 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 / painting geometry v1 Score 0.0 100.0 15.9 来源 ↗
open jev / silent failure control v1 Noul 0.0 100.0 38.8 来源 ↗
open jev / snake v1 Choice 0.0 83.5 8.4 来源 ↗
open jev / snake v1 Noul 0.0 100.0 9.1 来源 ↗
open jev / tic tac toe v1 Choice 0.0 48.5 3.5 来源 ↗
open jev / vizdoom basic v1 Score 0.0 100.0 30.2 来源 ↗
poem sentiment Choice 0.0 57.1 3.9 来源 ↗
ruletaker Noul 0.0 96.0 28.0 来源 ↗
scone Choice 0.0 92.0 34.5 来源 ↗
spartqa Choice 0.0 38.7 4.5 来源 ↗
synthetic relevance / nanobeir / nanoarguana Score 0.0 36.0 7.6 来源 ↗
synthetic relevance / nanobeir / nanonq Score 0.0 49.4 9.5 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Score 0.0 36.7 7.3 来源 ↗
synthetic relevance / nanocoir Score 0.0 44.3 4.3 来源 ↗
temporal nli Choice 0.0 80.7 18.5 来源 ↗
tracie Noul 0.0 34.0 8.8 来源 ↗
ud ewt Choice 0.0 56.7 13.4 来源 ↗