decision.host
首页 / 模型 / NeoHorse Jev 4B

NeoHorse Jev 4B

TokenRhythm ChoiceNoulScore图像 开源权重 4.5B（活跃 3.9B） 手工收录Decision IndexDecision Index VisionS1MB

4.5B 级决策模型，在 S1MB 与 Vision 两个榜上都有成绩。

Hugging Face 权重Decision Index 排行榜Decision Index Vision 子榜S1MB 排行榜
S1MB Task Avg
43.6
第 28 名 · 覆盖 137/137（100%）
Decision Index Full
38.0
第 59 名 · public 37.0
Vision Full
50.7
第 11 名 · public 57.2
校准 ECE
0.104
越低越好 · Brier 0.513

模型信息

厂商
TokenRhythm
类别
开源权重
参数规模
4.5B（活跃 3.9B）
基座模型
Qwen/Qwen3.5-4B-Base
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
未确认
训练方式
head / adapter

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： 手工收录、Decision Index、Decision Index 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
54.5
语言理解
67.0
检索与分类
70.6
工具与自动化
85.9
艺术与人类品味
39.9

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 67.7 来源 ↗
open jev / mailroom control v1 Choice 100.0 100.0 83.1 来源 ↗
s1mb generalization contextual choice Choice 100.0 100.0 82.8 来源 ↗
dbpedia Choice 97.8 98.9 83.7 来源 ↗
arc Choice 94.1 98.5 64.7 来源 ↗
open jev / drone control v1 Noul 94.1 100.0 50.7 来源 ↗
open jev / sponsor segment control v1 Choice 93.6 100.0 52.7 来源 ↗
bbq Choice 91.7 98.3 54.2 来源 ↗
open jev / phone extraction control v1 Noul 90.9 100.0 50.9 来源 ↗
s1mb generalization diverse noul Noul 90.0 100.0 59.5 来源 ↗
s1mb generalization diverse choice Choice 89.4 100.0 69.8 来源 ↗
open jev / vizdoom basic v1 Noul 88.2 100.0 39.6 来源 ↗
s1mb generalization contextual noul Noul 88.0 98.0 62.3 来源 ↗
followir robust04 Noul 87.8 90.9 47.2 来源 ↗
sdoh nli Noul 84.0 92.0 61.0 来源 ↗
snli Choice 83.9 98.4 46.4 来源 ↗
laya / ag news Choice 83.6 94.0 75.5 来源 ↗
massive Choice 83.5 96.7 64.8 来源 ↗
banking77 Choice 83.2 93.7 55.0 来源 ↗
mtop Choice 82.3 87.4 58.9 来源 ↗
laya / enron spam Noul 82.0 100.0 55.0 来源 ↗
miqa Choice 81.8 95.5 62.3 来源 ↗
open jev / email selection control v1 Noul 80.8 100.0 41.3 来源 ↗
scitail Noul 78.0 98.0 53.2 来源 ↗
open jev / mailroom control v1 Noul 76.9 100.0 62.9 来源 ↗
hwu64 Choice 76.6 92.5 57.1 来源 ↗
clinc Choice 76.5 99.3 57.7 来源 ↗
open jev / amount extraction control v1 Choice 76.5 100.0 55.2 来源 ↗
open jev / amount extraction control v1 Noul 75.0 100.0 33.7 来源 ↗
quartz Choice 73.8 88.1 49.4 来源 ↗
lonli Choice 73.8 86.9 39.6 来源 ↗
openbookqa Choice 73.6 97.2 54.1 来源 ↗
open jev / vizdoom basic v1 Score 72.7 100.0 30.2 来源 ↗
s1mb generalization contextual score Score 71.9 92.7 42.4 来源 ↗
open jev / customer control v1 Choice 69.6 82.6 64.4 来源 ↗
hatecheck Noul 68.0 98.0 47.8 来源 ↗
open jev / ir control v1 Choice 68.0 88.0 45.1 来源 ↗
s1mb generalization diverse score Score 67.7 95.3 43.1 来源 ↗
open jev / citation control v1 Choice 66.7 100.0 41.5 来源 ↗
canttalk Noul 66.0 86.0 44.1 来源 ↗
gretel pii Choice 64.9 94.5 43.5 来源 ↗
open jev / customer control v1 Noul 64.7 100.0 58.4 来源 ↗
open jev / entity alignment control v1 Noul 64.1 100.0 36.5 来源 ↗
impli Noul 64.0 88.0 47.0 来源 ↗
paws Noul 64.0 88.0 45.9 来源 ↗
hans Noul 62.0 100.0 43.6 来源 ↗
scone Choice 62.0 92.0 34.5 来源 ↗
synthetic relevance / nanobeir / nanonq Noul 61.7 67.2 39.7 来源 ↗
scicite Choice 61.3 71.0 44.1 来源 ↗
few nerd Choice 60.9 86.4 44.2 来源 ↗
open jev / workflow controls v1 / security incidents Noul 60.4 100.0 38.2 来源 ↗
qasper Noul 60.0 88.0 41.9 来源 ↗
synthetic relevance / nanocoir Noul 58.8 73.0 33.9 来源 ↗
open jev / painting geometry v1 Choice 57.9 100.0 46.7 来源 ↗
arct Choice 57.5 89.4 39.6 来源 ↗
open jev / ir control v1 Noul 57.1 100.0 47.6 来源 ↗
contract nli Choice 55.9 78.5 32.3 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Noul 55.0 62.5 37.5 来源 ↗
aegis2 Noul 54.4 62.3 33.0 来源 ↗
creak Noul 54.0 88.0 39.0 来源 ↗
open jev / phone extraction control v1 Choice 52.2 100.0 33.0 来源 ↗
winobias Choice 52.2 91.3 30.5 来源 ↗
ethos Noul 52.0 76.0 44.0 来源 ↗
go emotions Noul 51.3 61.3 38.5 来源 ↗
argument quality Choice 51.0 95.9 37.8 来源 ↗
ethics Choice 50.0 83.3 21.2 来源 ↗
open jev / reasoning control v1 Choice 50.0 95.0 28.8 来源 ↗
open jev / reasoning control v1 Score 48.8 90.7 28.1 来源 ↗
synthetic relevance / nanobeir / nanohotpotqa Noul 48.7 70.8 28.3 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Noul 48.3 52.1 29.1 来源 ↗
defeasible nli Choice 47.8 80.4 33.2 来源 ↗
open jev / customer control v1 Score 47.4 99.3 36.9 来源 ↗
open jev / painting geometry v1 Noul 46.7 100.0 27.8 来源 ↗
babi nli Noul 46.0 84.0 37.3 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Score 41.5 44.3 20.9 来源 ↗
open jev / workflow controls v1 / invoice processing Noul 41.2 100.0 34.8 来源 ↗
laya / typed decisions Score 40.8 67.0 26.9 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Noul 40.0 54.0 28.7 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Noul 39.1 46.2 25.1 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Noul 37.6 47.0 26.8 来源 ↗
gsm8k Choice 37.1 78.6 23.9 来源 ↗
open jev / workflow controls v1 / agent trace observability Noul 36.6 100.0 28.3 来源 ↗
patent similarity Score 36.1 48.3 17.9 来源 ↗
open jev / context retention control v1 Noul 36.0 100.0 19.7 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Score 35.6 44.9 17.8 来源 ↗
robust lr Choice 35.0 66.7 19.1 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Score 33.5 46.7 15.4 来源 ↗
ruletaker Noul 32.0 96.0 28.0 来源 ↗
synthetic relevance / nanobeir / nanohotpotqa Score 32.0 63.6 14.1 来源 ↗
winowhy Noul 32.0 62.0 19.0 来源 ↗
wiqa Choice 31.8 58.7 19.5 来源 ↗
ethics Noul 31.7 68.6 24.1 来源 ↗
followir news21 Noul 30.7 42.7 14.9 来源 ↗
open jev / workflow controls v1 / customer service Noul 30.5 100.0 42.1 来源 ↗
lexcomp Noul 30.0 52.0 22.7 来源 ↗
boardgameqa Choice 29.7 62.5 15.8 来源 ↗
laya / typed decisions Noul 29.1 47.8 24.6 来源 ↗
followir core17 Noul 27.2 46.6 21.3 来源 ↗
crows pairs Choice 27.1 70.8 30.7 来源 ↗
open jev / email selection control v1 Choice 27.0 100.0 24.2 来源 ↗
laya / typed decisions Choice 26.8 34.5 19.1 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Score 26.5 52.6 18.1 来源 ↗
stepgame Choice 26.2 82.1 18.0 来源 ↗
logical entailment Noul 26.0 72.0 12.3 来源 ↗
sgd Choice 25.4 96.6 24.4 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Noul 24.4 41.7 17.4 来源 ↗
civil comments Noul 24.4 36.7 21.5 来源 ↗
temporal nli Choice 24.2 80.7 18.5 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Score 22.9 36.7 7.3 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Score 22.7 38.6 10.9 来源 ↗
synthetic relevance / nanobeir / nanoarguana Score 22.6 36.0 7.6 来源 ↗
cladder Noul 20.0 94.0 18.3 来源 ↗
esci Choice 19.2 46.6 13.3 来源 ↗
tracie Noul 18.0 34.0 8.8 来源 ↗
open jev / reasoning control v1 Noul 16.2 100.0 25.5 来源 ↗
synthetic relevance / nanobeir / nanoarguana Noul 14.7 48.2 15.7 来源 ↗
fol nli Choice 13.1 54.1 10.4 来源 ↗
ud ewt Choice 12.7 56.7 13.4 来源 ↗
open jev / drone control v1 Choice 12.3 100.0 5.1 来源 ↗
aqua rat Choice 8.4 77.5 11.0 来源 ↗
spartqa Choice 8.1 38.7 4.5 来源 ↗
plane Noul 8.0 100.0 11.1 来源 ↗
argument quality Noul 3.1 23.9 5.4 来源 ↗
open jev / painting geometry v1 Score 1.0 100.0 15.9 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 2.2 来源 ↗
open jev / drone control v1 Score 0.0 99.2 1.3 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 / 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 ↗
poem sentiment Choice 0.0 57.1 3.9 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 ↗

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 96.3 99.5 87.3 来源 ↗
BFCL 混合（Choice 96.2 98.8 80.3 来源 ↗
ARC-Challenge 混合（Choice 89.2 98.2 79.1 来源 ↗
BANKING77 混合（Choice 83.8 94.1 69.1 来源 ↗
FinEntity 混合（Choice 81.9 97.1 73.8 来源 ↗
RouterBench 混合（Choice 79.5 80.1 73.2 来源 ↗
CLINC150 混合（Choice 78.1 97.4 68.2 来源 ↗
NLI4CT 混合（Choice 75.0 86.2 69.2 来源 ↗
ContractNLI 混合（Choice 72.6 86.5 60.3 来源 ↗
HellaSwag 混合（Choice 72.2 98.5 72.9 来源 ↗
WinoGrande 混合（Choice 68.7 97.5 69.7 来源 ↗
RAGTruth 混合（Choice 68.5 86.0 51.7 来源 ↗
MMLU 混合（Choice 67.9 91.9 64.1 来源 ↗
API-Bank 混合（Choice 66.1 93.1 56.2 来源 ↗
CLadder 混合（Choice 64.9 97.7 62.3 来源 ↗
ToolRet 混合（Choice 64.5 69.1 54.9 来源 ↗
BBH 混合（Choice 63.7 92.9 58.2 来源 ↗
SGD 混合（Choice 59.9 73.4 47.8 来源 ↗
HoVer 混合（Choice 59.3 89.4 63.7 来源 ↗
cfcolor 混合（Choice 57.2 70.2 57.8 来源 ↗
MuSR 混合（Choice 56.1 86.2 55.8 来源 ↗
PhishNChips 混合（Choice 53.8 99.9 61.7 来源 ↗
New Yorker 混合（Choice 52.6 82.0 52.8 来源 ↗
ANLI 混合（Choice 51.9 98.6 53.7 来源 ↗
When2Call 混合（Choice 51.8 91.7 57.9 来源 ↗
Humicroedit 混合（Choice 51.8 75.1 57.2 来源 ↗
BPoMP 混合（Choice 50.5 97.0 73.5 来源 ↗
CRUXEval 混合（Choice 49.6 87.9 50.3 来源 ↗
VAST 混合（Choice 47.4 82.0 50.2 来源 ↗
MMLU-Pro 混合（Choice 45.4 82.7 42.0 来源 ↗
Amazon ESCI 混合（Choice 44.4 61.6 40.7 来源 ↗
BRIGHT 混合（Choice 40.8 50.9 35.9 来源 ↗
iSarcasmEval 混合（Choice 38.0 71.0 38.2 来源 ↗
Habermas 混合（Choice 33.8 71.8 42.3 来源 ↗
GSM8K 混合（Choice 33.7 83.5 35.7 来源 ↗
GPQA Diamond 混合（Choice 32.1 78.3 37.5 来源 ↗
Home appliances 混合（Choice 30.7 98.9 23.1 来源 ↗
SATA-Bench 混合（Choice 21.6 37.2 20.2 来源 ↗
ChessBench 混合（Choice 11.0 40.2 14.1 来源 ↗
HLE 混合（Choice 10.8 20.4 12.3 来源 ↗
POP909 混合（Choice 6.3 74.6 12.5 来源 ↗
ACOS 混合（Choice 5.4 57.3 14.6 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
InfographicVQA 图像 89.6 98.7 77.3 来源 ↗
KIE (CORD+FUNSD) 图像 89.1 92.7 80.0 来源 ↗
Winoground 图像 84.0 93.0 70.7 来源 ↗
KIE (CORD+FUNSD) 图像 82.1 92.7 80.0 来源 ↗
Winoground 图像 76.5 93.0 70.7 来源 ↗
InfographicVQA 图像 76.0 98.7 77.3 来源 ↗
CV-Bench 图像 74.1 76.6 49.1 来源 ↗
Mind2Web 图像 73.0 79.7 49.7 来源 ↗
CharXiv 图像 64.2 79.7 48.5 来源 ↗
RealWorldQA 图像 58.7 75.3 41.1 来源 ↗
Mind2Web 图像 54.0 79.7 49.7 来源 ↗
CharXiv 图像 37.8 79.7 48.5 来源 ↗
CV-Bench 图像 35.3 76.6 49.1 来源 ↗
MMMU-Pro vision 图像 23.8 40.7 22.3 来源 ↗
RealWorldQA 图像 22.0 75.3 41.1 来源 ↗
Moderation (Hateful Memes) 图像 19.9 54.0 28.6 来源 ↗
R-Bench-M 图像 13.6 35.4 19.0 来源 ↗
Moderation (Hateful Memes) 图像 7.0 54.0 28.6 来源 ↗
BLINK 图像 -2.1 63.0 32.0 来源 ↗
BLINK 图像 -33.3 63.0 32.0 来源 ↗