المعاييرGPT-oss-120BUrdu (Pakistan) مهام

GPT-oss-120B

8 مهام

كل صف أدناه هو مهمة تقييم واحدة جرى عليها هذا النموذج. عمود الدرجة يحسب متوسط كل المقاييس التي تبلّغ عنها المهمة (الدقة، F1، التطابق الكامل، إلخ). انقر على صف لتصفّح الأسئلة الفردية وإجابات النموذج.

المتوسط

47.1

الدرجة	اللغة	المهمة	المقاييس
87.1	Urdu (Pakistan)	urdu_uquad urdu qa llm_judge_score: 87.1sample_len: 139.0	llm_judge_score: 87.1sample_len: 139.0
66.9	Urdu (Pakistan)	urdu_freshqa urdu qa llm_judge_score: 66.9sample_len: 323.0	llm_judge_score: 66.9sample_len: 323.0
45.9	Urdu (Pakistan)	urdu_facttool_qa urdu claim f1_macro: 45.9sample_len: 160.0	f1_macro: 45.9sample_len: 160.0
45.9	Urdu (Pakistan)	urdu_factcheckbench urdu claim f1_macro: 45.9sample_len: 387.0	f1_macro: 45.9sample_len: 387.0
44.3	Urdu (Pakistan)	urdu_bingcheck urdu claim f1_macro: 44.3sample_len: 102.0	f1_macro: 44.3sample_len: 102.0
37.6	Urdu (Pakistan)	urdu_fake_news urdu classification f1_macro: 37.6sample_len: 300.0	f1_macro: 37.6sample_len: 300.0
28.6	Urdu (Pakistan)	urdu_emotion_class urdu classification f1_macro: 28.6sample_len: 200.0	f1_macro: 28.6sample_len: 200.0
20.5	Urdu (Pakistan)	urdu_simpleqa urdu qa llm_judge_score: 20.5sample_len: 200.0	llm_judge_score: 20.5sample_len: 200.0