tulu-2-dpo-70b
1,178±10
1,168CI1,188
aiqbench · Benchmark-uri LLM
Benchmark-uri
- Surse
- 8
- Intrări urmărite
- 22.318
- Ultima sincronizare
- 11 minacum 11 minute
Toate sursele se sincronizează normal
- Arena · Text· acum 11 minute
- Arena · WebDev· acum 11 minute
- Arena · Vision· acum 11 minute
- Arena · Agent· acum 11 minute
- GPQA Diamond· acum 49 de minute
- SWE-bench· acum 49 de minute
- Terminal-Bench· acum 49 de minute
- ARC-AGI-2· acum 49 de minute
Filtrează după organizație:
Lansat:
O singură grilă, toate coloanele. Alege axe din panoul Axe — o axă clasifică precum un singur clasament, mai multe se combină într-un scor compus ponderat, toate la un loc se citesc ca indexul. Locul este atribuit înaintea oricărui filtru și nu se renumerotează niciodată.
| Model | Organizație | ± CI | Oscilație | Adaugă la comparație | |||||
|---|---|---|---|---|---|---|---|---|---|
| 342 | tulu-2-dpo-70b | — | nov. 2023 | — | 1,178 | 1,168–1,188 | #349–740 |
Se afișează General exact așa cum a publicat-o sursa — propriul scor și interval de încredere, fără mix. Selectează o a doua axă ca să construiești un scor compus ponderat.