Pașaport de model
Chatglm3 6b
chatglm3-6b- Ponderi deschise
- Licență Apache-2.0
- Lansat 2023-10-27(curatoriat)
- General · LMArena
- 1,057#388 din 396
- Cea mai bună percentilă
- 3.3Urmarea instrucțiunilor
- Poziția în cohortă
- 23.1mediană 27.9
Ce spun datele
Evaluat pe 4 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.
Cele mai slabe axe
- 2.3 pct — General (1,057)
- 3 pct — Prompturi dificile (1,061)
- 3.1 pct — Programare (1,090)
Neuniform: 1 punct de percentilă între cea mai bună și cea mai slabă axă a sa — 3.3 pct pe Urmarea instrucțiunilor față de 2.3 pct pe General.
- Urmarea instrucțiunilor3.3 pct1,037Verifică →
- Programare3.1 pct1,090Verifică →
- Prompturi dificile3 pct1,061Verifică →
- General2.3 pct1,057Verifică →
- WebDev ArenaNeevaluat
- Vision ArenaNeevaluat
- Factuality ArenaNeevaluat
- Search ArenaNeevaluat
- Document ArenaNeevaluat
- Agent ArenaNeevaluat
- GPQA DiamondNeevaluat
- AIME (matematică)Neevaluat
- FrontierMathNeevaluat
- SimpleQA VerifiedNeevaluat
- ARC-AGI-2Neevaluat
- Humanity's Last ExamNeevaluat
- SimpleBenchNeevaluat
- LiveBenchNeevaluat
- BFCL v4 (apelare de funcții)Neevaluat
- SWE-bench Verified (clasament live)Neevaluat
- Terminal-Bench 4.0Neevaluat
- MMLU-Pro (Artificial Analysis)Neevaluat
- LiveCodeBench (Artificial Analysis)Neevaluat
- IFBench (Artificial Analysis)Neevaluat
- Halucinații HHEM (Vectara)Neevaluat
- SWE-bench VerifiedNeevaluat
- Terminal-BenchNeevaluat
Percentilele reprezintă poziția modelului în populația proprie a fiecărui clasament. Axele marcate „neevaluat” nu au niciun rezultat publicat pentru acest model — este o absență a datelor, nu un scor mic.
chatglm3-6b stands at 23.1 (raw mean 2.9) — measured on 4 of 27 axes.
chatglm3-6b stands at 23.1 versus a cohort median of 27.9 across 75 models released within 180 days — below the peer median.
chatglm3-6b scores at percentile 2.3 on General.
chatglm3-6b scores in the 3rd percentile on Prompturi dificile.
chatglm3-6b ranks between #402 and #870 across 5 built-in weightings — best under "Conversație pe primul loc", worst under "Toate sursele".
Fiecare afirmație este un fapt calculat din datele actuale ale clasamentului, formulat de un apel de model la temperatură scăzută și respins de o poartă de validare dacă vreun număr nu se află în rândul sursă. Cum funcționează clasamentele →