Pașaport de model
Dolphin 2 2 1 Mistral 7b
dolphin-2-2-1-mistral-7b- Ponderi deschise
- Licență Apache-2.0
- Lansat 2023-11-06(curatoriat)
- General · LMArena
- 1,152#354 din 395
- Cea mai bună percentilă
- 10.9Urmarea instrucțiunilor
- Poziția în cohortă
- 30.3mediană 28.0
Ce spun datele
Evaluat pe 3 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.
Cele mai slabe axe
- 10.1 pct — Prompturi dificile (1,156)
- 10.6 pct — General (1,152)
- 10.9 pct — Urmarea instrucțiunilor (1,129)
Neuniform: 0,8 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 10.9 pct pe Urmarea instrucțiunilor față de 10.1 pct pe Prompturi dificile.
- Urmarea instrucțiunilor10.9 pct1,129Verifică →
- General10.6 pct1,152Verifică →
- Prompturi dificile10.1 pct1,156Verifică →
- 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
- ProgramareNeevaluat
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.
The dolphin-2.2.1-mistral-7b model covers 3 of 27 axes with a composite score of 10.5 and a shrunk value of 30.3, without thin coverage.
pozițieVerifică →The dolphin-2.2.1-mistral-7b model achieved a standing of 30.3, which is above the cohort median standing of 28 within a cohort size of 73 models over a window of 180 days.
cohortăVerifică →
On the Prompturi dificile axis, dolphin-2.2.1-mistral-7b is at percentile 10.1.
punct slabVerifică →In the General axis, dolphin-2.2.1-mistral-7b is at percentile 10.6.
punct slabVerifică →
In the dolphin-2.2.1-mistral-7b sensitivity analysis, ranks span from 368 to 754 with a spread of 386 across 4 templates, where Conversație pe primul loc is best and Toate sursele is worst.
oscilație a pozițieiVerifică →
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 →