Molmo 7B-D 语言模型在多个基准测试上进行了评估,在 GPQA、MMLU-Pro 和 Humanity's Last Exam 上取得了具体分数。该模型在长上下文推理任务上得分为 0%。这些结果是独立测量的,而非模型创建者自我报告。 AI
影响 提供了 Molmo 7B-D 模型在各种基准测试上的具体性能数据,有助于进行比较分析。
排序理由 该项目报告了一个开源语言模型的基准测试结果。[lever_c_demoted from research: ic=1 ai=1.0]
在 Mastodon — mastodon.social 阅读 →
- GPQA: A Graduate-Level Google-Proof Q&A Benchmark
- Humanity's Last Exam
- long-context reasoning
- MMLU-Pro
- Molmo 7B-D
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →