MedicalBenchmark
AllenAI: Olmo 3 7B Instruct provider

Olmo 3 7B Instruct

285

#285 291 modeloetatikMIR 2024

Puntuazio garbia

25.66 pts

Ziurtasuna

33.5%

Zuzenak / Okerrak

67 / 124

Kostu osoa

$0.05

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

33.5%

avg: 80.5%

Puntuazio garbia

25.66 pts

avg: 150.85 pts

Zuzenak

67

avg: 161

Okerrak

124

avg: 30

Kostu osoa

$0.05

avg: $3.32

Batez besteko erantzun-denbora

18.5s

avg: 16.4s

Irteerako tokenak

177K

avg: 427K

Arrazonamendu tokenak

0

avg: 310K

Batez besteko konfiantza

88.7%

avg: 95.4%

Irakasgaien araberako xehetasuna

Alergologia
Zuzenak
2
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
66.7%
Batez bestekoa
90.5%
Anestesiologia eta Bizkortzea
Zuzenak
1
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
25.0%
Batez bestekoa
87.1%
Dermatologia
Zuzenak
3
Okerrak
10
Erantzun gabeak
1
Ziurtasuna
21.4%
Batez bestekoa
80.2%
Endokrinologia eta Nutrizioa
Zuzenak
6
Okerrak
12
Erantzun gabeak
1
Ziurtasuna
31.6%
Batez bestekoa
84.2%
Epidemiologia
Zuzenak
5
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
62.5%
Batez bestekoa
89.3%
Erradiologia-Larrialdiak
Zuzenak
4
Okerrak
9
Erantzun gabeak
1
Ziurtasuna
28.6%
Batez bestekoa
64.9%
Erreumatologia
Zuzenak
2
Okerrak
12
Erantzun gabeak
0
Ziurtasuna
14.3%
Batez bestekoa
81.4%
Estatistika
Zuzenak
2
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
66.7%
Batez bestekoa
91.1%
Farmakologia
Zuzenak
6
Okerrak
15
Erantzun gabeak
2
Ziurtasuna
26.1%
Batez bestekoa
85.4%
Gaixotasun Infekziosoak
Zuzenak
6
Okerrak
17
Erantzun gabeak
0
Ziurtasuna
26.1%
Batez bestekoa
81.8%
Gastroenterologia
Zuzenak
9
Okerrak
13
Erantzun gabeak
0
Ziurtasuna
40.9%
Batez bestekoa
70.5%
Genetika
Zuzenak
3
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
42.9%
Batez bestekoa
86.5%
Geriatria
Zuzenak
6
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
60.0%
Batez bestekoa
86.9%
Ginekologia eta Obstetrizia
Zuzenak
5
Okerrak
8
Erantzun gabeak
1
Ziurtasuna
35.7%
Batez bestekoa
81.2%
Hematologia
Zuzenak
4
Okerrak
9
Erantzun gabeak
0
Ziurtasuna
30.8%
Batez bestekoa
81.5%
Immunologia
Zuzenak
3
Okerrak
4
Erantzun gabeak
1
Ziurtasuna
37.5%
Batez bestekoa
89.1%
Kardiologia
Zuzenak
9
Okerrak
12
Erantzun gabeak
0
Ziurtasuna
42.9%
Batez bestekoa
79.7%
Medikuntza Legala eta Bioetika
Zuzenak
1
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
91.7%
Nefrologia
Zuzenak
4
Okerrak
9
Erantzun gabeak
0
Ziurtasuna
30.8%
Batez bestekoa
80.8%
Neurologia
Zuzenak
6
Okerrak
14
Erantzun gabeak
2
Ziurtasuna
27.3%
Batez bestekoa
83.7%
Oftalmologia
Zuzenak
2
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
40.0%
Batez bestekoa
80.0%
Onkologia Medikoa
Zuzenak
11
Okerrak
6
Erantzun gabeak
4
Ziurtasuna
52.4%
Batez bestekoa
80.2%
ORL
Zuzenak
2
Okerrak
3
Erantzun gabeak
2
Ziurtasuna
28.6%
Batez bestekoa
74.4%
Osasun Plangintza eta Kudeaketa
Zuzenak
0
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
0.0%
Batez bestekoa
73.2%
Pediatria
Zuzenak
4
Okerrak
12
Erantzun gabeak
1
Ziurtasuna
23.5%
Batez bestekoa
82.0%
Pneumologia
Zuzenak
6
Okerrak
13
Erantzun gabeak
0
Ziurtasuna
31.6%
Batez bestekoa
80.6%
Psikiatria
Zuzenak
5
Okerrak
5
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
89.5%
Traumatologia
Zuzenak
5
Okerrak
10
Erantzun gabeak
0
Ziurtasuna
33.3%
Batez bestekoa
74.5%
Urologia
Zuzenak
3
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
78.2%
Zainketa Aringarriak
Zuzenak
2
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
88.2%

Galdera motaren araberako xehetasuna

Anatomia
Zuzenak
1
Okerrak
5
Erantzun gabeak
0
Ziurtasuna
16.7%
Batez bestekoa
79.8%
Arriskua
Zuzenak
6
Okerrak
7
Erantzun gabeak
0
Ziurtasuna
46.2%
Batez bestekoa
83.6%
Biostatistika
Zuzenak
3
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
60.0%
Batez bestekoa
90.7%
Diagnostikoa
Zuzenak
27
Okerrak
45
Erantzun gabeak
1
Ziurtasuna
37.0%
Batez bestekoa
79.2%
Epidemiologia
Zuzenak
5
Okerrak
5
Erantzun gabeak
2
Ziurtasuna
41.7%
Batez bestekoa
81.2%
Etika
Zuzenak
1
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
94.5%
Farmakologia
Zuzenak
8
Okerrak
16
Erantzun gabeak
1
Ziurtasuna
32.0%
Batez bestekoa
84.0%
Fisiopatologia
Zuzenak
7
Okerrak
23
Erantzun gabeak
3
Ziurtasuna
21.2%
Batez bestekoa
85.4%
Interpretazioa
Zuzenak
8
Okerrak
27
Erantzun gabeak
2
Ziurtasuna
21.6%
Batez bestekoa
69.6%
Prebentzioa
Zuzenak
5
Okerrak
6
Erantzun gabeak
1
Ziurtasuna
41.7%
Batez bestekoa
89.8%
Probak
Zuzenak
8
Okerrak
12
Erantzun gabeak
1
Ziurtasuna
38.1%
Batez bestekoa
73.9%
Pronostikoa
Zuzenak
4
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
57.1%
Batez bestekoa
83.9%
Tratamendua
Zuzenak
26
Okerrak
42
Erantzun gabeak
3
Ziurtasuna
36.6%
Batez bestekoa
81.3%
#ErantzunaZuzenaEgoera
1AB
2AD
3BB
4BC
5C
6AB
7CD
8CC
9BA
10BD
11BD
12AA
13BC
14CA
15CB
16DA
17DC
18CA
19BB
20CC
21CD
22AB
23AA
24A
25BC
26BB
27AC
28DA
29AB
30AC
31AD
32BA
33C
34DB
35DD
36BD
37BA
38DA
39CC
40CB
41BC
42AD
43CA
44AD
45DD
46BB
47CC
48CC
49B
50BC
51DA
52CD
53AC
54CB
55CC
56D
57BA
58CA
59AA
60BA
61CA
62CD
63DD
64Baliogabetua
65AD
66CC
67CB
68CBaliogabetua
69AA
70BB
71BB
72BD
73DB
74DC
75BB
76BA
77CD
78CC
79AB
80BA
81AC
82AC
83BB
84DC
85BA
86AA
87DB
88DD
89BB
90DA
91AD
92DA
93BC
94AB
95BD
96BB
97BB
98DB
99AA
100CB
101AA
102DD
103BB
104CD
105BB
106AC
107BC
108DB
109BD
110CD
111CB
112CC
113BBaliogabetua
114BD
115DD
116DA
117DD
118DD
119CA
120AC
121BA
122DB
123AD
124CD
125DB
126BD
127CA
128DB
129DD
130CC
131BC
132DD
133AA
134BC
135CA
136BD
137CA
138CC
139AA
140BC
141CB
142CC
143BA
144AD
145CC
146AC
147CC
148BA
149DC
150DD
151AA
152BA
153AC
154BB
155AD
156AC
157CC
158DD
159DD
160CB
161DB
162B
163DB
164AB
165AA
166DC
167CA
168CB
169DC
170BA
171AD
172CB
173BA
174BB
175AA
176AC
177BC
178BB
179BC
180ABaliogabetua
181AB
182DD
183DC
184DA
185CC
186CD
187A
188CC
189DD
190D
191BB
192DB
193DC
194CC
195CC
196BB
197CA
198BB
199CD
200A
201CB
202DD
203BB
204CD
205DD
206BBaliogabetua
207CA
208A
209BB
210CD