Pașaport de model
Starling Lm 7b Beta
starling-lm-7b-beta- Ponderi deschise
- Licență Apache-2.0
- Lansat 2024-03-19(curatoriat)
- General · LMArena
- 1,171#346 din 396
- Cea mai bună percentilă
- 15.9Prompturi dificile
- Poziția în cohortă
- 29.6mediană 32.1
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
- 12.9 pct — Urmarea instrucțiunilor (1,146)
- 12.9 pct — General (1,171)
Neuniform: 3 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 15.9 pct pe Prompturi dificile față de 12.9 pct pe Urmarea instrucțiunilor.
- Prompturi dificile15.9 pct1,195Verifică →
- Programare15.3 pct1,236Verifică →
- General12.9 pct1,171Verifică →
- Urmarea instrucțiunilor12.9 pct1,146Verifică →
- 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.
starling-lm-7b-beta stands at 29.6 (raw mean 14.3) — measured on 4 of 27 axes.
starling-lm-7b-beta stands at 29.6 versus a cohort median of 32.1 across 106 models released within 180 days — below the peer median.
starling-lm-7b-beta scores at percentile 12.9 on General.
starling-lm-7b-beta scores at percentile 12.9 on Urmarea instrucțiunilor.
starling-lm-7b-beta ranks between #341 and #749 across 5 built-in weightings — best under "Axat pe programare", 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 →