Calm
Métriques
0-shot cot
0-shot icl
1-shot icl
3-shot icl
average
basic
cn
doubt
ef
en
ignore
llm_model
manual cot
model_url
organization
parameters
release_date
robustness
std
updated_time
Résultats
Résultats de performance de divers modèles sur ce benchmark
Tableau comparatif
| Nom du modèle | 0-shot cot | 0-shot icl | 1-shot icl | 3-shot icl | average | basic | cn | doubt | ef | en | ignore | llm_model | manual cot | model_url | organization | parameters | release_date | robustness | std | updated_time |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Modèle 1 | 54.5 | 51.9 | 54.1 | 60.0 | 56.8 | 54.4 | 52.6 | 54.6 | 52.1 | 58.4 | 53.9 | GPT-4 | 75.4 | https://openai.com/product/gpt-4 | OpenAI | N/A | 2023/3/14 | 83.7 | 9.9 | 2024/5/1 |