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

Pașaport de model

Zephyr Orpo 141b A35b V0 1

zephyr-orpo-141b-a35b-v0-1

Ponderi deschise
Licență Apache 2.0
Lansat 2024-04-11(curatoriat)

General · LMArena: 1,213#321 din 396
Cea mai bună percentilă: 19.4Urmarea instrucțiunilor
Poziția în cohortă: 31.8mediană 32.9

Ce spun datele

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

Neuniform: 2,5 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 19.4 pct pe Urmarea instrucțiunilor față de 16.9 pct pe Programare.

Urmarea instrucțiunilor19.4 pct1,194Verifică →
General19.2 pct1,213Verifică →
Prompturi dificile17.4 pct1,216Verifică →
Programare16.9 pct1,245Verifică →
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.

zephyr-orpo-141b-A35b-v0.1 stands at 31.8 (raw mean 18.2) — measured on 4 of 27 axes.
pozițieșablonVerifică →
zephyr-orpo-141b-A35b-v0.1 stands at 31.8 versus a cohort median of 32.9 across 117 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 →