सामान्य ज्ञान: चुकीचे उत्तर
सामान्य ज्ञान
चुकीचे उत्तर
सामान्य ज्ञान 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
323/323
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) |
|---|---|---|---|---|---|---|---|
| #155 | Space Bunny Alpha high | Stealth | 1 | 0.3 | $0.000 | 0/1 | 234.6s |
| #190 | Minimax M3.1 Flash low | Minimax | 1 | 0.3 | $0.000 | 0/1 | 37.7s |
| #203 | Minimax M3.1 Flash max | Minimax | 1 | 0.3 | $0.000 | 0/1 | 66.8s |
| #215 | Space Bunny Alpha max | Stealth | 1 | 0.3 | $0.000 | 0/1 | 84.9s |
| #226 | Apodex 1.1 Mini high | Apodex | 1 | 0.3 | $0.000 | 0/1 | 49.1s |
| #237 | Minimax M3.1 Flash high | Minimax | 1 | 0.3 | $0.000 | 0/1 | 93.0s |
| #252 | Minimax M3.1 Flash xhigh | Minimax | 1 | 0.3 | $0.000 | 0/1 | 72.3s |
| #258 | Dots 3 Note Preview high | Dots Studio | 1 | 0.3 | $0.000 | 0/1 | 17.3s |
| #259 | Dots 3 Note Preview low | Dots Studio | 1 | 0.3 | $0.000 | 0/1 | 8.80s |
| #265 | Minimax M3.1 Flash medium | Minimax | 1 | 0.3 | $0.000 | 0/1 | 32.5s |
| #271 | Space Bunny Alpha medium | Stealth | 1 | 0.3 | $0.000 | 0/1 | 197.3s |
| #276 | Space Bunny Alpha xhigh | Stealth | 1 | 0.3 | $0.000 | 0/1 | 367.8s |
| #285 | Apodex 1.1 Mini low | Apodex | 1 | 0.3 | $0.000 | 0/1 | 54.7s |
| #291 | Apodex 1.1 Mini medium | Apodex | 1 | 0.3 | $0.000 | 0/1 | 42.9s |
| #315 | Dots 3 Note Preview medium | Dots Studio | 1 | 0.3 | $0.000 | 0/1 | 15.5s |