decision.host
首页 / 模型 / Manchego

Manchego

oraculumai ChoiceNoulScore 4.2B S1MB
S1MB Task Avg
37.3
第 40 名 · 覆盖 137/137(100%)

模型信息

厂商
oraculumai
类别
开源权重
参数规模
4.2B
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 / 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 98.9 98.9 83.7 来源 ↗
scitail Noul 98.0 98.0 53.2 来源 ↗
arc Choice 94.1 98.5 64.7 来源 ↗
open jev / mailroom control v1 Noul 92.8 100.0 62.9 来源 ↗
sdoh nli Noul 92.0 92.0 61.0 来源 ↗
bbq Choice 90.0 98.3 54.2 来源 ↗
open jev / drone control v1 Noul 88.2 100.0 50.7 来源 ↗
s1mb generalization diverse choice Choice 86.8 100.0 69.8 来源 ↗
laya / enron spam Noul 86.0 100.0 55.0 来源 ↗
open jev / sponsor segment control v1 Choice 85.9 100.0 52.7 来源 ↗
s1mb generalization diverse noul Noul 84.0 100.0 59.5 来源 ↗
laya / ag news Choice 83.6 94.0 75.5 来源 ↗
open jev / customer control v1 Choice 82.6 82.6 64.4 来源 ↗
openbookqa Choice 79.2 97.2 54.1 来源 ↗
massive Choice 77.0 96.7 64.8 来源 ↗
open jev / vizdoom basic v1 Noul 75.7 100.0 39.6 来源 ↗
clinc Choice 75.2 99.3 57.7 来源 ↗
gretel pii Choice 74.0 94.5 43.5 来源 ↗
open jev / silent failure control v1 Noul 74.0 100.0 38.8 来源 ↗
open jev / workflow controls v1 / customer service Noul 73.8 100.0 42.1 来源 ↗
miqa Choice 72.7 95.5 62.3 来源 ↗
impli Noul 72.0 88.0 47.0 来源 ↗
s1mb generalization contextual noul Noul 72.0 98.0 62.3 来源 ↗
mtop Choice 71.5 87.4 58.9 来源 ↗
creak Noul 70.0 88.0 39.0 来源 ↗
open jev / phone extraction control v1 Noul 70.0 100.0 50.9 来源 ↗
open jev / customer control v1 Score 70.0 99.3 36.9 来源 ↗
followir robust04 Noul 69.8 90.9 47.2 来源 ↗
snli Choice 69.3 98.4 46.4 来源 ↗
hwu64 Choice 69.2 92.5 57.1 来源 ↗
ethos Noul 68.0 76.0 44.0 来源 ↗
hatecheck Noul 68.0 98.0 47.8 来源 ↗
paws Noul 68.0 88.0 45.9 来源 ↗
open jev / citation control v1 Choice 66.7 100.0 41.5 来源 ↗
open jev / customer control v1 Noul 64.7 100.0 58.4 来源 ↗
quartz Choice 64.3 88.1 49.4 来源 ↗
canttalk Noul 64.0 86.0 44.1 来源 ↗
s1mb generalization diverse score Score 63.5 95.3 43.1 来源 ↗
banking77 Choice 63.2 93.7 55.0 来源 ↗
hans Noul 62.0 100.0 43.6 来源 ↗
open jev / amount extraction control v1 Choice 60.8 100.0 55.2 来源 ↗
lonli Choice 60.7 86.9 39.6 来源 ↗
few nerd Choice 59.1 86.4 44.2 来源 ↗
qasper Noul 58.0 88.0 41.9 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Noul 56.9 62.5 37.5 来源 ↗
synthetic relevance / nanobeir / nanonq Noul 56.0 67.2 39.7 来源 ↗
s1mb generalization contextual score Score 55.0 92.7 42.4 来源 ↗
scicite Choice 54.8 71.0 44.1 来源 ↗
open jev / workflow controls v1 / invoice processing Noul 52.4 100.0 34.8 来源 ↗
open jev / entity alignment control v1 Noul 50.4 100.0 36.5 来源 ↗
open jev / email selection control v1 Noul 50.0 100.0 41.3 来源 ↗
synthetic relevance / nanocoir Noul 49.8 73.0 33.9 来源 ↗
open jev / ir control v1 Choice 48.0 88.0 45.1 来源 ↗
go emotions Noul 47.5 61.3 38.5 来源 ↗
arct Choice 44.7 89.4 39.6 来源 ↗
scone Choice 44.0 92.0 34.5 来源 ↗
open jev / workflow controls v1 / security incidents Noul 43.9 100.0 38.2 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Noul 43.6 54.0 28.7 来源 ↗
laya / typed decisions Noul 43.3 47.8 24.6 来源 ↗
open jev / ir control v1 Noul 42.9 100.0 47.6 来源 ↗
wiqa Choice 42.9 58.7 19.5 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Noul 42.8 47.0 26.8 来源 ↗
contract nli Choice 42.5 78.5 32.3 来源 ↗
open jev / workflow controls v1 / agent trace observability Noul 42.4 100.0 28.3 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Noul 40.2 52.1 29.1 来源 ↗
babi nli Noul 40.0 84.0 37.3 来源 ↗
followir news21 Noul 40.0 42.7 14.9 来源 ↗
ruletaker Noul 40.0 96.0 28.0 来源 ↗
laya / typed decisions Score 39.4 67.0 26.9 来源 ↗
aegis2 Noul 37.3 62.3 33.0 来源 ↗
open jev / painting geometry v1 Noul 37.1 100.0 27.8 来源 ↗
winobias Choice 37.0 91.3 30.5 来源 ↗
ethics Noul 36.5 68.6 24.1 来源 ↗
synthetic relevance / nanobeir / nanotouche2020 Score 36.2 44.3 20.9 来源 ↗
crows pairs Choice 35.4 70.8 30.7 来源 ↗
synthetic relevance / nanobeir / nanoarguana Noul 35.3 48.2 15.7 来源 ↗
civil comments Noul 34.4 36.7 21.5 来源 ↗
followir core17 Noul 33.7 46.6 21.3 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Noul 33.7 46.2 25.1 来源 ↗
open jev / phone extraction control v1 Choice 32.6 100.0 33.0 来源 ↗
sgd Choice 30.5 96.6 24.4 来源 ↗
defeasible nli Choice 30.4 80.4 33.2 来源 ↗
synthetic relevance / nanobeir / nanodbpedia Score 28.1 44.9 17.8 来源 ↗
synthetic relevance / nanobeir / nanohotpotqa Noul 27.3 70.8 28.3 来源 ↗
open jev / reasoning control v1 Score 26.7 90.7 28.1 来源 ↗
lexcomp Noul 26.0 52.0 22.7 来源 ↗
patent similarity Score 25.4 48.3 17.9 来源 ↗
open jev / amount extraction control v1 Noul 25.0 100.0 33.7 来源 ↗
open jev / reasoning control v1 Choice 25.0 95.0 28.8 来源 ↗
laya / typed decisions Choice 24.3 34.5 19.1 来源 ↗
winowhy Noul 24.0 62.0 19.0 来源 ↗
stepgame Choice 23.8 82.1 18.0 来源 ↗
gsm8k Choice 21.4 78.6 23.9 来源 ↗
synthetic relevance / nanobeir / nanomsmarco Score 21.4 52.6 18.1 来源 ↗
temporal nli Choice 21.0 80.7 18.5 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Noul 20.6 41.7 17.4 来源 ↗
synthetic relevance / nanobeir / nanofiqa2018 Score 19.7 46.7 15.4 来源 ↗
esci Choice 19.2 46.6 13.3 来源 ↗
cladder Noul 18.0 94.0 18.3 来源 ↗
ethics Choice 16.7 83.3 21.2 来源 ↗
fol nli Choice 16.4 54.1 10.4 来源 ↗
argument quality Noul 16.4 23.9 5.4 来源 ↗
open jev / painting geometry v1 Choice 15.8 100.0 46.7 来源 ↗
boardgameqa Choice 15.6 62.5 15.8 来源 ↗
open jev / vizdoom basic v1 Score 12.4 100.0 30.2 来源 ↗
robust lr Choice 10.0 66.7 19.1 来源 ↗
ud ewt Choice 10.0 56.7 13.4 来源 ↗
synthetic relevance / nanobeir / nanonfcorpus Score 8.9 38.6 10.9 来源 ↗
synthetic relevance / nanobeir / nanohotpotqa Score 8.3 63.6 14.1 来源 ↗
argument quality Choice 8.2 95.9 37.8 来源 ↗
open jev / reasoning control v1 Noul 7.3 100.0 25.5 来源 ↗
aqua rat Choice 7.0 77.5 11.0 来源 ↗
open jev / context retention control v1 Noul 6.0 100.0 19.7 来源 ↗
hh rlhf Choice 5.1 23.1 3.1 来源 ↗
open jev / drone control v1 Choice 3.5 100.0 5.1 来源 ↗
open jev / snake v1 Choice 3.1 83.5 8.4 来源 ↗
logical entailment Noul 2.0 72.0 12.3 来源 ↗
plane Noul 2.0 100.0 11.1 来源 ↗
synthetic relevance / nanobeir / nanoscidocs Score 1.0 36.7 7.3 来源 ↗
corr2cause Choice 0.0 91.7 3.8 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 / 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 / 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 ↗
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 / nanocoir Score 0.0 44.3 4.3 来源 ↗
tracie Noul 0.0 34.0 8.8 来源 ↗