Microsoft · pașaport de model
Wizardlm 70b
wizardlm-70b- Ponderi deschise
- Licență Llama 2 Community
- Lansat 2023-08-09(curatoriat)
- General · LMArena
- 1,185#334 din 396
- Cea mai bună percentilă
- 15.9General
- Poziția în cohortă
- 29.3mediană 26.1
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
- 11.3 pct — Programare (1,194)
- 12.6 pct — Prompturi dificile (1,173)
Neuniform: 4,6 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 15.9 pct pe General față de 11.3 pct pe Programare.
- General15.9 pct1,185Verifică →
- Urmarea instrucțiunilor15.4 pct1,164Verifică →
- Prompturi dificile12.6 pct1,173Verifică →
- Programare11.3 pct1,194Verifică →
- 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.
wizardlm-70b stands at 29.3 (raw mean 13.8) — measured on 4 of 27 axes.
wizardlm-70b stands at 29.3 versus a cohort median of 26.1 across 60 models released within 180 days — above the peer median.
wizardlm-70b scores at percentile 11.3 on Programare.
wizardlm-70b scores at percentile 12.6 on Prompturi dificile.
wizardlm-70b ranks between #350 and #719 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 →