MedicalBenchmark
Meta: Llama 3.2 1B Instruct provider

Llama 3.2 1B Instruct

289

#289 291 modeloetatikMIR 2024

Puntuazio garbia

7.33 pts

Ziurtasuna

14.5%

Zuzenak / Okerrak

29 / 65

Kostu osoa

$0.02

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

14.5%

avg: 80.5%

Puntuazio garbia

7.33 pts

avg: 150.85 pts

Zuzenak

29

avg: 161

Okerrak

65

avg: 30

Kostu osoa

$0.02

avg: $3.32

Batez besteko erantzun-denbora

3.6s

avg: 16.4s

Irteerako tokenak

101K

avg: 427K

Arrazonamendu tokenak

0

avg: 310K

Batez besteko konfiantza

47.8%

avg: 95.4%

Irakasgaien araberako xehetasuna

Alergologia
Zuzenak
0
Okerrak
1
Erantzun gabeak
2
Ziurtasuna
0.0%
Batez bestekoa
90.5%
Anestesiologia eta Bizkortzea
Zuzenak
0
Okerrak
0
Erantzun gabeak
4
Ziurtasuna
0.0%
Batez bestekoa
87.1%
Dermatologia
Zuzenak
2
Okerrak
5
Erantzun gabeak
7
Ziurtasuna
14.3%
Batez bestekoa
80.2%
Endokrinologia eta Nutrizioa
Zuzenak
5
Okerrak
9
Erantzun gabeak
5
Ziurtasuna
26.3%
Batez bestekoa
84.2%
Epidemiologia
Zuzenak
3
Okerrak
1
Erantzun gabeak
4
Ziurtasuna
37.5%
Batez bestekoa
89.3%
Erradiologia-Larrialdiak
Zuzenak
0
Okerrak
3
Erantzun gabeak
11
Ziurtasuna
0.0%
Batez bestekoa
64.9%
Erreumatologia
Zuzenak
1
Okerrak
6
Erantzun gabeak
7
Ziurtasuna
7.1%
Batez bestekoa
81.4%
Estatistika
Zuzenak
1
Okerrak
0
Erantzun gabeak
2
Ziurtasuna
33.3%
Batez bestekoa
91.1%
Farmakologia
Zuzenak
4
Okerrak
10
Erantzun gabeak
9
Ziurtasuna
17.4%
Batez bestekoa
85.4%
Gaixotasun Infekziosoak
Zuzenak
2
Okerrak
10
Erantzun gabeak
11
Ziurtasuna
8.7%
Batez bestekoa
81.8%
Gastroenterologia
Zuzenak
1
Okerrak
6
Erantzun gabeak
15
Ziurtasuna
4.5%
Batez bestekoa
70.5%
Genetika
Zuzenak
1
Okerrak
2
Erantzun gabeak
4
Ziurtasuna
14.3%
Batez bestekoa
86.5%
Geriatria
Zuzenak
1
Okerrak
5
Erantzun gabeak
4
Ziurtasuna
10.0%
Batez bestekoa
86.9%
Ginekologia eta Obstetrizia
Zuzenak
3
Okerrak
4
Erantzun gabeak
7
Ziurtasuna
21.4%
Batez bestekoa
81.2%
Hematologia
Zuzenak
2
Okerrak
4
Erantzun gabeak
7
Ziurtasuna
15.4%
Batez bestekoa
81.5%
Immunologia
Zuzenak
2
Okerrak
3
Erantzun gabeak
3
Ziurtasuna
25.0%
Batez bestekoa
89.1%
Kardiologia
Zuzenak
1
Okerrak
11
Erantzun gabeak
9
Ziurtasuna
4.8%
Batez bestekoa
79.7%
Medikuntza Legala eta Bioetika
Zuzenak
0
Okerrak
0
Erantzun gabeak
2
Ziurtasuna
0.0%
Batez bestekoa
91.7%
Nefrologia
Zuzenak
1
Okerrak
6
Erantzun gabeak
6
Ziurtasuna
7.7%
Batez bestekoa
80.8%
Neurologia
Zuzenak
3
Okerrak
6
Erantzun gabeak
13
Ziurtasuna
13.6%
Batez bestekoa
83.7%
Oftalmologia
Zuzenak
1
Okerrak
1
Erantzun gabeak
3
Ziurtasuna
20.0%
Batez bestekoa
80.0%
Onkologia Medikoa
Zuzenak
6
Okerrak
5
Erantzun gabeak
10
Ziurtasuna
28.6%
Batez bestekoa
80.2%
ORL
Zuzenak
3
Okerrak
2
Erantzun gabeak
2
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
3
Okerrak
1
Erantzun gabeak
13
Ziurtasuna
17.6%
Batez bestekoa
82.0%
Pneumologia
Zuzenak
2
Okerrak
6
Erantzun gabeak
11
Ziurtasuna
10.5%
Batez bestekoa
80.6%
Psikiatria
Zuzenak
2
Okerrak
0
Erantzun gabeak
8
Ziurtasuna
20.0%
Batez bestekoa
89.5%
Traumatologia
Zuzenak
2
Okerrak
7
Erantzun gabeak
6
Ziurtasuna
13.3%
Batez bestekoa
74.5%
Urologia
Zuzenak
0
Okerrak
2
Erantzun gabeak
4
Ziurtasuna
0.0%
Batez bestekoa
78.2%
Zainketa Aringarriak
Zuzenak
1
Okerrak
1
Erantzun gabeak
2
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
0
Okerrak
4
Erantzun gabeak
9
Ziurtasuna
0.0%
Batez bestekoa
83.6%
Biostatistika
Zuzenak
1
Okerrak
0
Erantzun gabeak
4
Ziurtasuna
20.0%
Batez bestekoa
90.7%
Diagnostikoa
Zuzenak
10
Okerrak
19
Erantzun gabeak
44
Ziurtasuna
13.7%
Batez bestekoa
79.2%
Epidemiologia
Zuzenak
3
Okerrak
3
Erantzun gabeak
6
Ziurtasuna
25.0%
Batez bestekoa
81.2%
Etika
Zuzenak
0
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
0.0%
Batez bestekoa
94.5%
Farmakologia
Zuzenak
3
Okerrak
11
Erantzun gabeak
11
Ziurtasuna
12.0%
Batez bestekoa
84.0%
Fisiopatologia
Zuzenak
8
Okerrak
12
Erantzun gabeak
13
Ziurtasuna
24.2%
Batez bestekoa
85.4%
Interpretazioa
Zuzenak
3
Okerrak
9
Erantzun gabeak
25
Ziurtasuna
8.1%
Batez bestekoa
69.6%
Prebentzioa
Zuzenak
3
Okerrak
5
Erantzun gabeak
4
Ziurtasuna
25.0%
Batez bestekoa
89.8%
Probak
Zuzenak
4
Okerrak
4
Erantzun gabeak
13
Ziurtasuna
19.0%
Batez bestekoa
73.9%
Pronostikoa
Zuzenak
0
Okerrak
1
Erantzun gabeak
6
Ziurtasuna
0.0%
Batez bestekoa
83.9%
Tratamendua
Zuzenak
10
Okerrak
27
Erantzun gabeak
34
Ziurtasuna
14.1%
Batez bestekoa
81.3%
#ErantzunaZuzenaEgoera
1AB
2D
3B
4AC
5C
6B
7BD
8C
9A
10D
11D
12A
13BC
14A
15B
16AA
17C
18A
19CB
20C
21AD
22B
23A
24AA
25C
26B
27AC
28CA
29AB
30AC
31AD
32AA
33C
34AB
35BD
36CD
37AA
38AA
39C
40B
41BC
42AD
43CA
44D
45D
46BB
47C
48CC
49CB
50C
51AA
52D
53C
54B
55AC
56DD
57DA
58CA
59A
60AA
61AA
62D
63D
64CBaliogabetua
65D
66BC
67B
68Baliogabetua
69A
70DB
71BB
72D
73B
74C
75AB
76A
77D
78CC
79B
80A
81CC
82C
83B
84C
85AA
86CA
87B
88D
89B
90AA
91D
92A
93C
94B
95CD
96B
97B
98B
99AA
100CB
101BA
102AD
103BB
104D
105B
106C
107C
108B
109D
110BD
111AB
112DC
113BBaliogabetua
114D
115D
116DA
117D
118D
119A
120C
121A
122AB
123BD
124DD
125B
126AD
127A
128B
129D
130C
131AC
132D
133A
134AC
135A
136D
137BA
138AC
139A
140C
141B
142BC
143BA
144BD
145AC
146AC
147C
148A
149C
150CD
151A
152A
153BC
154B
155AD
156C
157CC
158D
159CD
160CB
161B
162AB
163BB
164DB
165A
166C
167AA
168AB
169AC
170A
171D
172B
173A
174B
175CA
176DC
177DC
178DB
179DC
180CBaliogabetua
181AB
182D
183C
184BA
185CC
186D
187A
188DC
189CD
190DD
191BB
192B
193C
194C
195AC
196B
197AA
198B
199CD
200AA
201BB
202D
203B
204DD
205D
206BBaliogabetua
207CA
208BA
209AB
210D