MedicalBenchmark
EleutherAI: Llemma 7b provider

Llemma 7b

318

#318 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

8.33 pts

Ziurtasuna

7.0%

Zuzenak / Okerrak

42 / 101

Kostu osoa

$1.98

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

7.0%

avg: 80.6%

Puntuazio garbia

8.33 pts

avg: 453.30 pts

Zuzenak

42

avg: 483

Okerrak

101

avg: 90

Kostu osoa

$1.98

avg: $9.58

Batez besteko erantzun-denbora

69.0s

avg: 17.9s

Irteerako tokenak

1.4M

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

22.8%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
320
Zuzenak
7
Okerrak
37
Ziurtasuna
3.5%
Puntuazio garbia
0.00
MIR 2025
316
Zuzenak
17
Okerrak
41
Ziurtasuna
8.5%
Puntuazio garbia
3.33
MIR 2026
317
Zuzenak
18
Okerrak
23
Ziurtasuna
9.0%
Puntuazio garbia
10.33