Preferenze complessive sul testo da confronti diretti. Non misura accuratezza fattuale o riuscita dei compiti.
10301080
guanaco-33b
guanaco-33b · Intervallo 95% 1041,3–1065,3 · 2,921 voti · 2026-10-15
Risultati registrati
Ogni riga usa lo stesso benchmark, versione, carico, scenario e unità. I risultati mancanti non valgono zero. I risultati di sistema includono tutta la configurazione hardware e software.
Arena text preference / codinghuman preference · 2026-10-15 · rating
guanaco-33b
995,34 rating
Intervallo di confidenza: 960,81 – 1.029,88
263 voti
Categoria
coding
Configurazione valutata
guanaco-33b
Tipo di valutazione
human preference
Arena text preference / creative_writinghuman preference · 2026-10-15 · rating
guanaco-33b
1.079,84 rating
Intervallo di confidenza: 1.052,64 – 1.107,05
515 voti
Categoria
creative_writing
Configurazione valutata
guanaco-33b
Tipo di valutazione
human preference
Arena text preference / englishhuman preference · 2026-10-15 · rating
guanaco-33b
1.085,31 rating
Intervallo di confidenza: 1.071,90 – 1.098,73
2352 voti
Categoria
english
Configurazione valutata
guanaco-33b
Tipo di valutazione
human preference
Arena text preference / exclude_tieshuman preference · 2026-10-15 · rating
guanaco-33b
871,94 rating
Intervallo di confidenza: 854,31 – 889,57
2032 voti
Categoria
exclude_ties
Configurazione valutata
guanaco-33b
Tipo di valutazione
human preference
Arena text preference / hard_promptshuman preference · 2026-10-15 · rating
guanaco-33b
1.004,90 rating
Intervallo di confidenza: 980,36 – 1.029,45
517 voti
Categoria
hard_prompts
Configurazione valutata
guanaco-33b
Tipo di valutazione
human preference
Arena text preference / hard_prompts_englishhuman preference · 2026-10-15 · rating
guanaco-33b
1.020,13 rating
Intervallo di confidenza: 992,62 – 1.047,64
434 voti
Categoria
hard_prompts_english
Configurazione valutata
guanaco-33b
Tipo di valutazione
human preference
Arena text preference / industry_business_and_management_and_financial_operationshuman preference · 2026-10-15 · rating