डोमेन-विशिष्ट: चुकीचे उत्तर
डोमेन-विशिष्ट
चुकीचे उत्तर
डोमेन-विशिष्ट मध्ये कोणत्या AI मॉडेल्सना चुकीचे उत्तर येण्याची शक्यता जास्त आहे ते पाहा, म्हणजे कमकुवत बाजू लवकर ओळखता येतील. क्रम लावा: एकूण खर्च ↑.
अयशस्वी होण्याची कारणे
423/423
मॉडेल फिल्टर करा
सध्याच्या शोध आणि फिल्टर्सशी जुळणारी कोणतीही मॉडेल्स नाहीत.
| क्रमांक | मॉडेल | कंपनी | चुकीचे उत्तर संख्या | श्रेणी स्कोअर | एकूण खर्च | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|
| #97 | Ling 3.1 Flash medium | Inclusionai | 1 | 0.3 | $0.000 | 0/3 | 262.3s |
| #146 | Space Bunny Alpha high | Stealth | 1 | 0.8 | $0.000 | 2/3 | 85.1s |
| #181 | Minimax M3.1 Flash low | Minimax | 1 | 0.8 | $0.000 | 2/3 | 53.3s |
| #194 | Minimax M3.1 Flash max | Minimax | 2 | 0.6 | $0.000 | 1/3 | 186.3s |
| #206 | Space Bunny Alpha max | Stealth | 1 | 0.8 | $0.000 | 2/3 | 140.0s |
| #217 | Apodex 1.1 Mini high | Apodex | 3 | 0.3 | $0.000 | 0/3 | 54.7s |
| #228 | Minimax M3.1 Flash high | Minimax | 2 | 0.6 | $0.000 | 1/3 | 134.5s |
| #243 | Minimax M3.1 Flash xhigh | Minimax | 1 | 0.8 | $0.000 | 2/3 | 51.0s |
| #249 | Dots 3 Note Preview high | Dots Studio | 2 | 0.5 | $0.000 | 1/3 | 69.4s |
| #250 | Dots 3 Note Preview low | Dots Studio | 3 | 0.4 | $0.000 | 0/3 | 49.5s |
| #256 | Minimax M3.1 Flash medium | Minimax | 3 | 0.4 | $0.000 | 0/3 | 31.9s |
| #262 | Space Bunny Alpha medium | Stealth | 2 | 0.5 | $0.000 | 1/3 | 105.6s |
| #267 | Space Bunny Alpha xhigh | Stealth | 1 | 0.6 | $0.000 | 1/3 | 234.1s |
| #276 | Apodex 1.1 Mini low | Apodex | 3 | 0.4 | $0.000 | 0/3 | 50.2s |
| #282 | Apodex 1.1 Mini medium | Apodex | 3 | 0.4 | $0.000 | 0/3 | 63.7s |