MedicalBenchmark
Meta: Llama 3 8B Instruct provider

Llama 3 8B Instruct

288

#288 320 modeloetatik — MIR 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: 81.3%

Puntuazio garbia

65.33 pts

avg: 153.08 pts

Zuzenak

93

avg: 163

Okerrak

83

avg: 29

Kostu osoa

$0.01

avg: $3.09

Batez besteko erantzun-denbora

13.1s

avg: 17.7s

Irteerako tokenak

100K

avg: 414K

Arrazonamendu tokenak

0

avg: 296K

Batez besteko konfiantza

84.2%

avg: 95.7%

Irakasgaien araberako xehetasuna

Alergologia
Zuzenak
2
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
66.7%
Batez bestekoa
90.8%
Anestesiologia eta Bizkortzea
Zuzenak
2
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
50.0%
Batez bestekoa
87.7%
Dermatologia
Zuzenak
3
Okerrak
7
Erantzun gabeak
4
Ziurtasuna
21.4%
Batez bestekoa
81.0%
Endokrinologia eta Nutrizioa
Zuzenak
8
Okerrak
7
Erantzun gabeak
4
Ziurtasuna
42.1%
Batez bestekoa
85.1%
Epidemiologia
Zuzenak
5
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
62.5%
Batez bestekoa
89.7%
Erradiologia-Larrialdiak
Zuzenak
9
Okerrak
5
Erantzun gabeak
0
Ziurtasuna
64.3%
Batez bestekoa
66.0%
Erreumatologia
Zuzenak
6
Okerrak
5
Erantzun gabeak
3
Ziurtasuna
42.9%
Batez bestekoa
82.4%
Estatistika
Zuzenak
1
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
33.3%
Batez bestekoa
91.6%
Farmakologia
Zuzenak
12
Okerrak
6
Erantzun gabeak
5
Ziurtasuna
52.2%
Batez bestekoa
85.8%
Gaixotasun Infekziosoak
Zuzenak
7
Okerrak
11
Erantzun gabeak
5
Ziurtasuna
30.4%
Batez bestekoa
82.5%
Gastroenterologia
Zuzenak
9
Okerrak
10
Erantzun gabeak
3
Ziurtasuna
40.9%
Batez bestekoa
71.5%
Genetika
Zuzenak
5
Okerrak
0
Erantzun gabeak
2
Ziurtasuna
71.4%
Batez bestekoa
87.1%
Geriatria
Zuzenak
6
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
60.0%
Batez bestekoa
87.7%
Ginekologia eta Obstetrizia
Zuzenak
9
Okerrak
5
Erantzun gabeak
0
Ziurtasuna
64.3%
Batez bestekoa
82.0%
Hematologia
Zuzenak
7
Okerrak
4
Erantzun gabeak
2
Ziurtasuna
53.8%
Batez bestekoa
82.4%
Immunologia
Zuzenak
4
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
50.0%
Batez bestekoa
89.7%
Kardiologia
Zuzenak
10
Okerrak
7
Erantzun gabeak
4
Ziurtasuna
47.6%
Batez bestekoa
80.4%
Medikuntza Legala eta Bioetika
Zuzenak
1
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
91.8%
Nefrologia
Zuzenak
4
Okerrak
7
Erantzun gabeak
2
Ziurtasuna
30.8%
Batez bestekoa
81.8%
Neurologia
Zuzenak
12
Okerrak
9
Erantzun gabeak
1
Ziurtasuna
54.5%
Batez bestekoa
84.5%
Oftalmologia
Zuzenak
2
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
40.0%
Batez bestekoa
81.3%
Onkologia Medikoa
Zuzenak
12
Okerrak
8
Erantzun gabeak
1
Ziurtasuna
57.1%
Batez bestekoa
80.9%
ORL
Zuzenak
3
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
42.9%
Batez bestekoa
75.1%
Osasun Plangintza eta Kudeaketa
Zuzenak
1
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
50.0%
Batez bestekoa
75.1%
Pediatria
Zuzenak
8
Okerrak
7
Erantzun gabeak
2
Ziurtasuna
47.1%
Batez bestekoa
82.9%
Pneumologia
Zuzenak
11
Okerrak
7
Erantzun gabeak
1
Ziurtasuna
57.9%
Batez bestekoa
81.6%
Psikiatria
Zuzenak
8
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
80.0%
Batez bestekoa
90.0%
Traumatologia
Zuzenak
4
Okerrak
10
Erantzun gabeak
1
Ziurtasuna
26.7%
Batez bestekoa
75.4%
Urologia
Zuzenak
2
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
33.3%
Batez bestekoa
79.0%
Zainketa Aringarriak
Zuzenak
1
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
25.0%
Batez bestekoa
88.6%

Galdera motaren araberako xehetasuna

Anatomia
Zuzenak
2
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
33.3%
Batez bestekoa
81.1%
Arriskua
Zuzenak
8
Okerrak
2
Erantzun gabeak
3
Ziurtasuna
61.5%
Batez bestekoa
84.5%
Biostatistika
Zuzenak
2
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
40.0%
Batez bestekoa
91.3%
Diagnostikoa
Zuzenak
39
Okerrak
29
Erantzun gabeak
5
Ziurtasuna
53.4%
Batez bestekoa
80.0%
Epidemiologia
Zuzenak
6
Okerrak
5
Erantzun gabeak
1
Ziurtasuna
50.0%
Batez bestekoa
82.1%
Etika
Zuzenak
0
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
0.0%
Batez bestekoa
94.0%
Farmakologia
Zuzenak
10
Okerrak
8
Erantzun gabeak
7
Ziurtasuna
40.0%
Batez bestekoa
84.7%
Fisiopatologia
Zuzenak
12
Okerrak
13
Erantzun gabeak
8
Ziurtasuna
36.4%
Batez bestekoa
86.1%
Interpretazioa
Zuzenak
15
Okerrak
19
Erantzun gabeak
3
Ziurtasuna
40.5%
Batez bestekoa
70.5%
Prebentzioa
Zuzenak
6
Okerrak
4
Erantzun gabeak
2
Ziurtasuna
50.0%
Batez bestekoa
90.3%
Probak
Zuzenak
12
Okerrak
7
Erantzun gabeak
2
Ziurtasuna
57.1%
Batez bestekoa
75.0%
Pronostikoa
Zuzenak
7
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
84.6%
Tratamendua
Zuzenak
30
Okerrak
34
Erantzun gabeak
7
Ziurtasuna
42.3%
Batez bestekoa
82.1%
#ErantzunaZuzenaEgoera
1BB
2DD
3BB
4—C
5CC
6BB
7DD
8CC
9CA
10DD
11DD
12AA
13—C
14DA
15DB
16—A
17CC
18AA
19CB
20AC
21CD
22CB
23BA
24BA
25AC
26—B
27AC
28—A
29AB
30BC
31CD
32CA
33—C
34BB
35DD
36BD
37CA
38—A
39CC
40BB
41BC
42—D
43DA
44AD
45AD
46BB
47CC
48CC
49BB
50—C
51AA
52DD
53—C
54BB
55CC
56DD
57DA
58CA
59BA
60AA
61BA
62CD
63CD
64B—Baliogabetua
65DD
66CC
67CB
68C—Baliogabetua
69AA
70BB
71BB
72CD
73DB
74CC
75BB
76BA
77BD
78BC
79CB
80AA
81CC
82CC
83BB
84CC
85—A
86AA
87CB
88DD
89BB
90AA
91DD
92DA
93—C
94BB
95CD
96BB
97AB
98CB
99AA
100DB
101DA
102DD
103BB
104CD
105DB
106CC
107—C
108BB
109AD
110DD
111—B
112BC
113A—Baliogabetua
114DD
115—D
116—A
117DD
118DD
119CA
120CC
121AA
122BB
123CD
124DD
125CB
126AD
127AA
128CB
129DD
130—C
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
168—B
169AC
170CA
171—D
172BB
173—A
174BB
175AA
176BC
177AC
178BB
179CC
180B—Baliogabetua
181BB
182BD
183BC
184BA
185CC
186DD
187BA
188—C
189AD
190DD
191BB
192—B
193DC
194DC
195AC
196BB
197CA
198BB
199CD
200BA
201—B
202DD
203BB
204—D
205BD
206C—Baliogabetua
207AA
208CA
209BB
210CD