Pașaport de model
Vicuna 7b
vicuna-7b- Ponderi deschise
- Licență Llama 2 Community
- Lansat 2023-03-30(curatoriat)
- General · LMArena
- 1,115#376 din 396
- Cea mai bună percentilă
- 5.3General
- Poziția în cohortă
- 24.1mediană 25.8
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
- 4.3 pct — Prompturi dificile (1,106)
- 4.6 pct — Programare (1,132)
- 4.8 pct — Urmarea instrucțiunilor (1,077)
Neuniform: 1 punct de percentilă între cea mai bună și cea mai slabă axă a sa — 5.3 pct pe General față de 4.3 pct pe Prompturi dificile.
- General5.3 pct1,115Verifică →
- Urmarea instrucțiunilor4.8 pct1,077Verifică →
- Programare4.6 pct1,132Verifică →
- Prompturi dificile4.3 pct1,106Verifică →
- 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.
vicuna-7b stands at 24.1 (raw mean 4.7) — measured on 4 of 27 axes.
vicuna-7b stands at 24.1 versus a cohort median of 25.8 across 28 models released within 180 days — below the peer median.
vicuna-7b scores at percentile 4.3 on Prompturi dificile.
vicuna-7b scores at percentile 4.6 on Programare.
vicuna-7b ranks between #392 and #832 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 →