Spaces:
Build error
Build error
| model_name,num_shots,max,min,mean,std | |
| Llama3.1-8B-Chinese-Chat,0,652,512,571.091,9.115687078710652 | |
| Llama3.1-70B-Chinese-Chat,0,652,512,571.091,9.115687078710652 | |
| Mistral-7B-v0.3-Chinese-Chat,0,928,694,799.354,15.567384660085061 | |
| internlm2_5-7b-chat,0,511,426,461.91766666666666,7.767732430462529 | |
| internlm2_5-7b-chat-1m,0,511,426,461.91766666666666,7.767732430462529 | |
| internlm2_5-20b-chat,0,511,426,461.91766666666666,7.767732430462529 | |
| Qwen2.5-0.5B-Instruct,0,517,426,465.33866666666665,8.617118029244592 | |
| Qwen2.5-1.5B-Instruct,0,517,426,465.33866666666665,8.617118029244592 | |
| Qwen2.5-3B-Instruct,0,517,426,465.33866666666665,8.617118029244592 | |
| Qwen2.5-7B-Instruct,0,517,426,465.33866666666665,8.617118029244592 | |
| Qwen2.5-72B-Instruct,0,517,426,465.33866666666665,8.617118029244592 | |
| Llama3.1-8B-Chinese-Chat,5,1818,1678,1737.091,9.115687078710652 | |
| Llama3.1-70B-Chinese-Chat,5,1818,1678,1737.091,9.115687078710652 | |
| Mistral-7B-v0.3-Chinese-Chat,5,2573,2339,2444.354,15.567384660085061 | |
| internlm2_5-7b-chat,5,1351,1266,1301.9176666666667,7.767732430462529 | |
| internlm2_5-7b-chat-1m,5,1351,1266,1301.9176666666667,7.767732430462529 | |
| internlm2_5-20b-chat,5,1351,1266,1301.9176666666667,7.767732430462529 | |
| Qwen2.5-0.5B-Instruct,5,1381,1290,1329.3386666666668,8.617118029244592 | |
| Qwen2.5-1.5B-Instruct,5,1381,1290,1329.3386666666668,8.617118029244592 | |
| Qwen2.5-3B-Instruct,5,1381,1290,1329.3386666666668,8.617118029244592 | |
| Qwen2.5-7B-Instruct,5,1381,1290,1329.3386666666668,8.617118029244592 | |
| Qwen2.5-72B-Instruct,5,1381,1290,1329.3386666666668,8.617118029244592 | |
| Llama3.1-8B-Chinese-Chat,10,2914,2774,2833.091,9.115687078710652 | |
| Llama3.1-70B-Chinese-Chat,10,2914,2774,2833.091,9.115687078710652 | |
| Mistral-7B-v0.3-Chinese-Chat,10,4119,3885,3990.354,15.567384660085061 | |
| internlm2_5-7b-chat,10,2245,2160,2195.9176666666667,7.767732430462529 | |
| internlm2_5-7b-chat-1m,10,2245,2160,2195.9176666666667,7.767732430462529 | |
| internlm2_5-20b-chat,10,2245,2160,2195.9176666666667,7.767732430462529 | |
| Qwen2.5-0.5B-Instruct,10,2289,2198,2237.3386666666665,8.617118029244592 | |
| Qwen2.5-1.5B-Instruct,10,2289,2198,2237.3386666666665,8.617118029244592 | |
| Qwen2.5-3B-Instruct,10,2289,2198,2237.3386666666665,8.617118029244592 | |
| Qwen2.5-7B-Instruct,10,2289,2198,2237.3386666666665,8.617118029244592 | |
| Qwen2.5-72B-Instruct,10,2289,2198,2237.3386666666665,8.617118029244592 | |
| Llama3.1-8B-Chinese-Chat,20,5283,5143,5202.091,9.115687078710652 | |
| Llama3.1-70B-Chinese-Chat,20,5283,5143,5202.091,9.115687078710652 | |
| Mistral-7B-v0.3-Chinese-Chat,20,7392,7158,7263.354,15.567384660085061 | |
| internlm2_5-7b-chat,20,4065,3980,4015.9176666666667,7.767732430462529 | |
| internlm2_5-7b-chat-1m,20,4065,3980,4015.9176666666667,7.767732430462529 | |
| internlm2_5-20b-chat,20,4065,3980,4015.9176666666667,7.767732430462529 | |
| Qwen2.5-0.5B-Instruct,20,4176,4085,4124.3386666666665,8.617118029244592 | |
| Qwen2.5-1.5B-Instruct,20,4176,4085,4124.3386666666665,8.617118029244592 | |
| Qwen2.5-3B-Instruct,20,4176,4085,4124.3386666666665,8.617118029244592 | |
| Qwen2.5-7B-Instruct,20,4176,4085,4124.3386666666665,8.617118029244592 | |
| Qwen2.5-72B-Instruct,20,4176,4085,4124.3386666666665,8.617118029244592 | |
| Llama3.1-8B-Chinese-Chat,30,7768,7628,7687.091,9.115687078710652 | |
| Llama3.1-70B-Chinese-Chat,30,7768,7628,7687.091,9.115687078710652 | |
| Mistral-7B-v0.3-Chinese-Chat,30,10804,10570,10675.354,15.567384660085061 | |
| internlm2_5-7b-chat,30,5903,5818,5853.917666666666,7.767732430462529 | |
| internlm2_5-7b-chat-1m,30,5903,5818,5853.917666666666,7.767732430462529 | |
| internlm2_5-20b-chat,30,5903,5818,5853.917666666666,7.767732430462529 | |
| Qwen2.5-0.5B-Instruct,30,6107,6016,6055.3386666666665,8.617118029244592 | |
| Qwen2.5-1.5B-Instruct,30,6107,6016,6055.3386666666665,8.617118029244592 | |
| Qwen2.5-3B-Instruct,30,6107,6016,6055.3386666666665,8.617118029244592 | |
| Qwen2.5-7B-Instruct,30,6107,6016,6055.3386666666665,8.617118029244592 | |
| Qwen2.5-72B-Instruct,30,6107,6016,6055.3386666666665,8.617118029244592 | |
| Llama3.1-8B-Chinese-Chat,40,10217,10077,10136.091,9.115687078710652 | |
| Llama3.1-70B-Chinese-Chat,40,10217,10077,10136.091,9.115687078710652 | |
| Mistral-7B-v0.3-Chinese-Chat,40,14152,13918,14023.354,15.567384660085061 | |
| internlm2_5-7b-chat,40,7709,7624,7659.917666666666,7.767732430462529 | |
| internlm2_5-7b-chat-1m,40,7709,7624,7659.917666666666,7.767732430462529 | |
| internlm2_5-20b-chat,40,7709,7624,7659.917666666666,7.767732430462529 | |
| Qwen2.5-0.5B-Instruct,40,8010,7919,7958.3386666666665,8.617118029244592 | |
| Qwen2.5-1.5B-Instruct,40,8010,7919,7958.3386666666665,8.617118029244592 | |
| Qwen2.5-3B-Instruct,40,8010,7919,7958.3386666666665,8.617118029244592 | |
| Qwen2.5-7B-Instruct,40,8010,7919,7958.3386666666665,8.617118029244592 | |
| Qwen2.5-72B-Instruct,40,8010,7919,7958.3386666666665,8.617118029244592 | |
| Llama3.1-8B-Chinese-Chat,50,12719,12579,12638.091,9.115687078710652 | |
| Llama3.1-70B-Chinese-Chat,50,12719,12579,12638.091,9.115687078710652 | |
| Mistral-7B-v0.3-Chinese-Chat,50,17588,17354,17459.354,15.567384660085061 | |
| internlm2_5-7b-chat,50,9561,9476,9511.917666666666,7.767732430462529 | |
| internlm2_5-7b-chat-1m,50,9561,9476,9511.917666666666,7.767732430462529 | |
| internlm2_5-20b-chat,50,9561,9476,9511.917666666666,7.767732430462529 | |
| Qwen2.5-0.5B-Instruct,50,9961,9870,9909.338666666667,8.617118029244592 | |
| Qwen2.5-1.5B-Instruct,50,9961,9870,9909.338666666667,8.617118029244592 | |
| Qwen2.5-3B-Instruct,50,9961,9870,9909.338666666667,8.617118029244592 | |
| Qwen2.5-7B-Instruct,50,9961,9870,9909.338666666667,8.617118029244592 | |
| Qwen2.5-72B-Instruct,50,9961,9870,9909.338666666667,8.617118029244592 | |
| gpt-4o,0,606,464,524.8063333333333,10.057594723695004 | |
| gpt-4o-mini,0,606,464,524.8063333333333,10.057594723695004 | |
| o1-preview,0,925,682,797.5953333333333,16.41724967580933 | |
| o1-mini,0,925,682,797.5953333333333,16.41724967580933 | |
| gpt-4o,5,1711,1569,1629.8063333333334,10.057594723695004 | |
| gpt-4o-mini,5,1711,1569,1629.8063333333334,10.057594723695004 | |
| o1-preview,5,2649,2406,2521.595333333333,16.41724967580933 | |
| o1-mini,5,2649,2406,2521.595333333333,16.41724967580933 | |
| gpt-4o,10,2781,2639,2699.8063333333334,10.057594723695004 | |
| gpt-4o-mini,10,2781,2639,2699.8063333333334,10.057594723695004 | |
| o1-preview,10,4282,4039,4154.595333333334,16.41724967580933 | |
| o1-mini,10,4282,4039,4154.595333333334,16.41724967580933 | |
| gpt-4o,20,5110,4968,5028.806333333333,10.057594723695004 | |
| gpt-4o-mini,20,5110,4968,5028.806333333333,10.057594723695004 | |
| o1-preview,20,7781,7538,7653.595333333334,16.41724967580933 | |
| o1-mini,20,7781,7538,7653.595333333334,16.41724967580933 | |
| gpt-4o,30,7572,7430,7490.806333333333,10.057594723695004 | |
| gpt-4o-mini,30,7572,7430,7490.806333333333,10.057594723695004 | |
| o1-preview,30,11459,11216,11331.595333333333,16.41724967580933 | |
| o1-mini,30,11459,11216,11331.595333333333,16.41724967580933 | |
| gpt-4o,40,9998,9856,9916.806333333334,10.057594723695004 | |
| gpt-4o-mini,40,9998,9856,9916.806333333334,10.057594723695004 | |
| o1-preview,40,15061,14818,14933.595333333333,16.41724967580933 | |
| o1-mini,40,15061,14818,14933.595333333333,16.41724967580933 | |
| gpt-4o,50,12476,12334,12394.806333333334,10.057594723695004 | |
| gpt-4o-mini,50,12476,12334,12394.806333333334,10.057594723695004 | |
| o1-preview,50,18760,18517,18632.595333333335,16.41724967580933 | |
| o1-mini,50,18760,18517,18632.595333333335,16.41724967580933 | |