सूचनांचे पालन: चुकीचे उत्तर
सूचनांचे पालन
चुकीचे उत्तर
सूचनांचे पालन मध्ये कोणत्या AI मॉडेल्सना चुकीचे उत्तर येण्याची शक्यता जास्त आहे ते पाहा, म्हणजे कमकुवत बाजू लवकर ओळखता येतील.
अयशस्वी होण्याची कारणे
111/111
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) |
|---|---|---|---|---|---|---|---|
| #434 | D1 default | Liquid | 1 | 0.2 | $0.003 | 0/1 | 820ms |
| #436 | LFM2-24B-A2B default | Liquid | 1 | 0.6 | $0.001 | 1/2 | 752ms |
| #437 | Solar Decide Flash default | Upstage | 1 | 0.2 | $0.003 | 0/1 | 1.66s |
| #438 | Microsoft-Decision-1 default | Microsoft | 1 | 0.2 | $0.002 | 0/1 | 997ms |
| #440 | Tev1 4B Experimental default | Togethercomputer | 1 | 0.2 | $0.002 | 0/1 | 555ms |
| #441 | Nimble v3 9B default | Bespoke Labs | 1 | 0.2 | ~$0.001 | 0/1 | 469ms |