Română · beta. Traducerea a fost făcută automat și este încă în curs de revizuire. Citește pagina în engleză

Pașaport de model

Dbrx Instruct Preview

dbrx-instruct-preview

Ponderi deschise
Licență DBRX LICENSE
Lansat 2024-03-27(curatoriat)

General · LMArena: 1,196#330 din 396
Cea mai bună percentilă: 18.2Programare
Poziția în cohortă: 31.5mediană 32.6

Ce spun datele

Evaluat pe 4 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Neuniform: 1,3 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 18.2 pct pe Programare față de 16.9 pct pe General.

Programare18.2 pct1,251Verifică →
Urmarea instrucțiunilor17.9 pct1,188Verifică →
Prompturi dificile17.7 pct1,218Verifică →
General16.9 pct1,196Verifică →
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.

dbrx-instruct-preview stands at 31.5 (raw mean 17.7) — measured on 4 of 27 axes.
pozițieșablonVerifică →
dbrx-instruct-preview stands at 31.5 versus a cohort median of 32.6 across 107 models released within 180 days — below the peer median.
cohortășablonVerifică →

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 →