MedicalBenchmark
Meta: Llama 3 8B Instruct provider

Llama 3 8B Instruct

260

#260 291 modeloetatikMIR 2024

Puntuazio garbia

65.33 pts

Ziurtasuna

46.5%

Zuzenak / Okerrak

93 / 83

Kostu osoa

$0.01

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

46.5%

avg: 80.5%

Puntuazio garbia

65.33 pts

avg: 150.85 pts

Zuzenak

93

avg: 161

Okerrak

83

avg: 30

Kostu osoa

$0.01

avg: $3.32

Batez besteko erantzun-denbora

13.1s

avg: 16.4s

Irteerako tokenak

100K

avg: 427K

Arrazonamendu tokenak

0

avg: 310K

Batez besteko konfiantza

84.2%

avg: 95.4%

Irakasgaien araberako xehetasuna

Alergologia
Zuzenak
2
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
66.7%
Batez bestekoa
90.5%
Anestesiologia eta Bizkortzea
Zuzenak
2
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
50.0%
Batez bestekoa
87.1%
Dermatologia
Zuzenak
3
Okerrak
7
Erantzun gabeak
4
Ziurtasuna
21.4%
Batez bestekoa
80.2%
Endokrinologia eta Nutrizioa
Zuzenak
8
Okerrak
7
Erantzun gabeak
4
Ziurtasuna
42.1%
Batez bestekoa
84.2%
Epidemiologia
Zuzenak
5
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
62.5%
Batez bestekoa
89.3%
Erradiologia-Larrialdiak
Zuzenak
9
Okerrak
5
Erantzun gabeak
0
Ziurtasuna
64.3%
Batez bestekoa
64.9%
Erreumatologia
Zuzenak
6
Okerrak
5
Erantzun gabeak
3
Ziurtasuna
42.9%
Batez bestekoa
81.4%
Estatistika
Zuzenak
1
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
33.3%
Batez bestekoa
91.1%
Farmakologia
Zuzenak
12
Okerrak
6
Erantzun gabeak
5
Ziurtasuna
52.2%
Batez bestekoa
85.4%
Gaixotasun Infekziosoak
Zuzenak
7
Okerrak
11
Erantzun gabeak
5
Ziurtasuna
30.4%
Batez bestekoa
81.8%
Gastroenterologia
Zuzenak
9
Okerrak
10
Erantzun gabeak
3
Ziurtasuna
40.9%
Batez bestekoa
70.5%
Genetika
Zuzenak
5
Okerrak
0
Erantzun gabeak
2
Ziurtasuna
71.4%
Batez bestekoa
86.5%
Geriatria
Zuzenak
6
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
60.0%
Batez bestekoa
86.9%
Ginekologia eta Obstetrizia
Zuzenak
9
Okerrak
5
Erantzun gabeak
0
Ziurtasuna
64.3%
Batez bestekoa
81.2%
Hematologia
Zuzenak
7
Okerrak
4
Erantzun gabeak
2
Ziurtasuna
53.8%
Batez bestekoa
81.5%
Immunologia
Zuzenak
4
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
50.0%
Batez bestekoa
89.1%
Kardiologia
Zuzenak
10
Okerrak
7
Erantzun gabeak
4
Ziurtasuna
47.6%
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
7
Erantzun gabeak
2
Ziurtasuna
30.8%
Batez bestekoa
80.8%
Neurologia
Zuzenak
12
Okerrak
9
Erantzun gabeak
1
Ziurtasuna
54.5%
Batez bestekoa
83.7%
Oftalmologia
Zuzenak
2
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
40.0%
Batez bestekoa
80.0%
Onkologia Medikoa
Zuzenak
12
Okerrak
8
Erantzun gabeak
1
Ziurtasuna
57.1%
Batez bestekoa
80.2%
ORL
Zuzenak
3
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
42.9%
Batez bestekoa
74.4%
Osasun Plangintza eta Kudeaketa
Zuzenak
1
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
50.0%
Batez bestekoa
73.2%
Pediatria
Zuzenak
8
Okerrak
7
Erantzun gabeak
2
Ziurtasuna
47.1%
Batez bestekoa
82.0%
Pneumologia
Zuzenak
11
Okerrak
7
Erantzun gabeak
1
Ziurtasuna
57.9%
Batez bestekoa
80.6%
Psikiatria
Zuzenak
8
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
80.0%
Batez bestekoa
89.5%
Traumatologia
Zuzenak
4
Okerrak
10
Erantzun gabeak
1
Ziurtasuna
26.7%
Batez bestekoa
74.5%
Urologia
Zuzenak
2
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
33.3%
Batez bestekoa
78.2%
Zainketa Aringarriak
Zuzenak
1
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
25.0%
Batez bestekoa
88.2%

Galdera motaren araberako xehetasuna

Anatomia
Zuzenak
2
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
33.3%
Batez bestekoa
79.8%
Arriskua
Zuzenak
8
Okerrak
2
Erantzun gabeak
3
Ziurtasuna
61.5%
Batez bestekoa
83.6%
Biostatistika
Zuzenak
2
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
40.0%
Batez bestekoa
90.7%
Diagnostikoa
Zuzenak
39
Okerrak
29
Erantzun gabeak
5
Ziurtasuna
53.4%
Batez bestekoa
79.2%
Epidemiologia
Zuzenak
6
Okerrak
5
Erantzun gabeak
1
Ziurtasuna
50.0%
Batez bestekoa
81.2%
Etika
Zuzenak
0
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
0.0%
Batez bestekoa
94.5%
Farmakologia
Zuzenak
10
Okerrak
8
Erantzun gabeak
7
Ziurtasuna
40.0%
Batez bestekoa
84.0%
Fisiopatologia
Zuzenak
12
Okerrak
13
Erantzun gabeak
8
Ziurtasuna
36.4%
Batez bestekoa
85.4%
Interpretazioa
Zuzenak
15
Okerrak
19
Erantzun gabeak
3
Ziurtasuna
40.5%
Batez bestekoa
69.6%
Prebentzioa
Zuzenak
6
Okerrak
4
Erantzun gabeak
2
Ziurtasuna
50.0%
Batez bestekoa
89.8%
Probak
Zuzenak
12
Okerrak
7
Erantzun gabeak
2
Ziurtasuna
57.1%
Batez bestekoa
73.9%
Pronostikoa
Zuzenak
7
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
83.9%
Tratamendua
Zuzenak
30
Okerrak
34
Erantzun gabeak
7
Ziurtasuna
42.3%
Batez bestekoa
81.3%
#ErantzunaZuzenaEgoera
1BB
2DD
3BB
4C
5CC
6BB
7DD
8CC
9CA
10DD
11DD
12AA
13C
14DA
15DB
16A
17CC
18AA
19CB
20AC
21CD
22CB
23BA
24BA
25AC
26B
27AC
28A
29AB
30BC
31CD
32CA
33C
34BB
35DD
36BD
37CA
38A
39CC
40BB
41BC
42D
43DA
44AD
45AD
46BB
47CC
48CC
49BB
50C
51AA
52DD
53C
54BB
55CC
56DD
57DA
58CA
59BA
60AA
61BA
62CD
63CD
64BBaliogabetua
65DD
66CC
67CB
68CBaliogabetua
69AA
70BB
71BB
72CD
73DB
74CC
75BB
76BA
77BD
78BC
79CB
80AA
81CC
82CC
83BB
84CC
85A
86AA
87CB
88DD
89BB
90AA
91DD
92DA
93C
94BB
95CD
96BB
97AB
98CB
99AA
100DB
101DA
102DD
103BB
104CD
105DB
106CC
107C
108BB
109AD
110DD
111B
112BC
113ABaliogabetua
114DD
115D
116A
117DD
118DD
119CA
120CC
121AA
122BB
123CD
124DD
125CB
126AD
127AA
128CB
129DD
130C
131BC
132DD
133AA
134CC
135BA
136CD
137CA
138CC
139AA
140BC
141BB
142DC
143CA
144CD
145DC
146BC
147CC
148AA
149CC
150DD
151AA
152AA
153BC
154BB
155DD
156BC
157AC
158DD
159DD
160AB
161BB
162BB
163BB
164AB
165CA
166DC
167DA
168B
169AC
170CA
171D
172BB
173A
174BB
175AA
176BC
177AC
178BB
179CC
180BBaliogabetua
181BB
182BD
183BC
184BA
185CC
186DD
187BA
188C
189AD
190DD
191BB
192B
193DC
194DC
195AC
196BB
197CA
198BB
199CD
200BA
201B
202DD
203BB
204D
205BD
206CBaliogabetua
207AA
208CA
209BB
210CD