MedicalBenchmark
Meta: Llama 3.1 8B Instruct provider

Llama 3.1 8B Instruct

275

#275 291 modeloetatikMIR 2024

Puntuazio garbia

44.00 pts

Ziurtasuna

37.0%

Zuzenak / Okerrak

74 / 90

Kostu osoa

$0.02

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

37.0%

avg: 80.5%

Puntuazio garbia

44.00 pts

avg: 150.85 pts

Zuzenak

74

avg: 161

Okerrak

90

avg: 30

Kostu osoa

$0.02

avg: $3.32

Batez besteko erantzun-denbora

20.8s

avg: 16.4s

Irteerako tokenak

258K

avg: 427K

Arrazonamendu tokenak

0

avg: 310K

Batez besteko konfiantza

81.6%

avg: 95.4%

Irakasgaien araberako xehetasuna

Alergologia
Zuzenak
3
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
90.5%
Anestesiologia eta Bizkortzea
Zuzenak
4
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
87.1%
Dermatologia
Zuzenak
8
Okerrak
6
Erantzun gabeak
0
Ziurtasuna
57.1%
Batez bestekoa
80.2%
Endokrinologia eta Nutrizioa
Zuzenak
4
Okerrak
7
Erantzun gabeak
8
Ziurtasuna
21.1%
Batez bestekoa
84.2%
Epidemiologia
Zuzenak
5
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
62.5%
Batez bestekoa
89.3%
Erradiologia-Larrialdiak
Zuzenak
6
Okerrak
7
Erantzun gabeak
1
Ziurtasuna
42.9%
Batez bestekoa
64.9%
Erreumatologia
Zuzenak
8
Okerrak
6
Erantzun gabeak
0
Ziurtasuna
57.1%
Batez bestekoa
81.4%
Estatistika
Zuzenak
1
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
33.3%
Batez bestekoa
91.1%
Farmakologia
Zuzenak
11
Okerrak
8
Erantzun gabeak
4
Ziurtasuna
47.8%
Batez bestekoa
85.4%
Gaixotasun Infekziosoak
Zuzenak
11
Okerrak
7
Erantzun gabeak
5
Ziurtasuna
47.8%
Batez bestekoa
81.8%
Gastroenterologia
Zuzenak
10
Okerrak
10
Erantzun gabeak
2
Ziurtasuna
45.5%
Batez bestekoa
70.5%
Genetika
Zuzenak
3
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
42.9%
Batez bestekoa
86.5%
Geriatria
Zuzenak
3
Okerrak
3
Erantzun gabeak
4
Ziurtasuna
30.0%
Batez bestekoa
86.9%
Ginekologia eta Obstetrizia
Zuzenak
4
Okerrak
8
Erantzun gabeak
2
Ziurtasuna
28.6%
Batez bestekoa
81.2%
Hematologia
Zuzenak
3
Okerrak
6
Erantzun gabeak
4
Ziurtasuna
23.1%
Batez bestekoa
81.5%
Immunologia
Zuzenak
4
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
50.0%
Batez bestekoa
89.1%
Kardiologia
Zuzenak
9
Okerrak
8
Erantzun gabeak
4
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
2
Okerrak
9
Erantzun gabeak
2
Ziurtasuna
15.4%
Batez bestekoa
80.8%
Neurologia
Zuzenak
6
Okerrak
10
Erantzun gabeak
6
Ziurtasuna
27.3%
Batez bestekoa
83.7%
Oftalmologia
Zuzenak
1
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
20.0%
Batez bestekoa
80.0%
Onkologia Medikoa
Zuzenak
6
Okerrak
13
Erantzun gabeak
2
Ziurtasuna
28.6%
Batez bestekoa
80.2%
ORL
Zuzenak
3
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
42.9%
Batez bestekoa
74.4%
Osasun Plangintza eta Kudeaketa
Zuzenak
0
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
0.0%
Batez bestekoa
73.2%
Pediatria
Zuzenak
1
Okerrak
11
Erantzun gabeak
5
Ziurtasuna
5.9%
Batez bestekoa
82.0%
Pneumologia
Zuzenak
8
Okerrak
5
Erantzun gabeak
6
Ziurtasuna
42.1%
Batez bestekoa
80.6%
Psikiatria
Zuzenak
7
Okerrak
1
Erantzun gabeak
2
Ziurtasuna
70.0%
Batez bestekoa
89.5%
Traumatologia
Zuzenak
1
Okerrak
11
Erantzun gabeak
3
Ziurtasuna
6.7%
Batez bestekoa
74.5%
Urologia
Zuzenak
1
Okerrak
4
Erantzun gabeak
1
Ziurtasuna
16.7%
Batez bestekoa
78.2%
Zainketa Aringarriak
Zuzenak
2
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
50.0%
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
4
Erantzun gabeak
1
Ziurtasuna
61.5%
Batez bestekoa
83.6%
Biostatistika
Zuzenak
2
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
40.0%
Batez bestekoa
90.7%
Diagnostikoa
Zuzenak
26
Okerrak
30
Erantzun gabeak
17
Ziurtasuna
35.6%
Batez bestekoa
79.2%
Epidemiologia
Zuzenak
4
Okerrak
6
Erantzun gabeak
2
Ziurtasuna
33.3%
Batez bestekoa
81.2%
Etika
Zuzenak
1
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
94.5%
Farmakologia
Zuzenak
12
Okerrak
9
Erantzun gabeak
4
Ziurtasuna
48.0%
Batez bestekoa
84.0%
Fisiopatologia
Zuzenak
13
Okerrak
16
Erantzun gabeak
4
Ziurtasuna
39.4%
Batez bestekoa
85.4%
Interpretazioa
Zuzenak
10
Okerrak
18
Erantzun gabeak
9
Ziurtasuna
27.0%
Batez bestekoa
69.6%
Prebentzioa
Zuzenak
6
Okerrak
2
Erantzun gabeak
4
Ziurtasuna
50.0%
Batez bestekoa
89.8%
Probak
Zuzenak
8
Okerrak
10
Erantzun gabeak
3
Ziurtasuna
38.1%
Batez bestekoa
73.9%
Pronostikoa
Zuzenak
5
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
71.4%
Batez bestekoa
83.9%
Tratamendua
Zuzenak
22
Okerrak
36
Erantzun gabeak
13
Ziurtasuna
31.0%
Batez bestekoa
81.3%
#ErantzunaZuzenaEgoera
1BB
2CD
3BB
4CC
5DC
6B
7DD
8C
9CA
10D
11DD
12A
13DC
14DA
15BB
16DA
17CC
18A
19DB
20C
21CD
22B
23AA
24CA
25CC
26BB
27AC
28BA
29DB
30CC
31DD
32CA
33AC
34CB
35DD
36AD
37AA
38BA
39CC
40CB
41BC
42DD
43CA
44AD
45AD
46BB
47CC
48CC
49BB
50C
51AA
52AD
53CC
54BB
55CC
56DD
57BA
58CA
59BA
60DA
61CA
62AD
63CD
64BBaliogabetua
65D
66CC
67CB
68BBaliogabetua
69AA
70BB
71CB
72BD
73BB
74C
75B
76DA
77D
78C
79CB
80CA
81BC
82BC
83BB
84CC
85AA
86AA
87B
88DD
89BB
90AA
91CD
92BA
93BC
94BB
95BD
96BB
97BB
98CB
99A
100AB
101BA
102DD
103B
104CD
105DB
106BC
107BC
108BB
109DD
110DD
111AB
112CC
113Baliogabetua
114DD
115AD
116CA
117DD
118D
119CA
120CC
121AA
122B
123CD
124DD
125CB
126DD
127DA
128B
129BD
130C
131CC
132CD
133AA
134BC
135DA
136DD
137DA
138CC
139BA
140CC
141BB
142DC
143A
144CD
145DC
146BC
147CC
148BA
149CC
150DD
151CA
152A
153DC
154B
155BD
156BC
157DC
158BD
159DD
160CB
161B
162B
163DB
164AB
165A
166C
167CA
168CB
169CC
170CA
171DD
172BB
173BA
174BB
175A
176CC
177C
178AB
179CC
180ABaliogabetua
181B
182DD
183C
184AA
185AC
186BD
187A
188C
189BD
190D
191BB
192B
193C
194DC
195CC
196DB
197DA
198BB
199CD
200DA
201BB
202DD
203CB
204DD
205BD
206BBaliogabetua
207AA
208A
209B
210DD