RAG and retrieval
تُقارن النتائج داخل المجموعة المتطابقة فقط، فلا يُرتَّب نموذج جرى اختباره بطريقة ما مقابل نموذج جرى اختباره بطريقة أخرى.
Retrieve relevant context and ground an answer
تستخدم مجموعات الترتيب مقاييس منفصلة. قارن التكوينات داخل المجموعة الواحدة فقط؛ فـ EvalRank لا يجمع الأنظمة المختلفة في قائمة ترتيب واحدة أبدًا.
الإجماع عبر المعايير
أنت أمام ترتيب واحد للنماذج عبر المقاييس المعتمدة في هذا الموضوع، موزونًا بالطريقة نفسها التي تُوزَن بها القرارات. وكل درجة تمثل حصة النموذج من أفضل نتيجة.
| الترتيب | النموذج | الحصة من الأفضل | المقاييس المرجعية |
|---|---|---|---|
| 1 | GPT-6 Astra | 100.0% | 1 |
| 2 | GPT-6.1 Sol | 97.4% | 1 |
| 3 | Gemma 4 26B A4B | 97.1% | 1 |
| 4 | GPT-6 Luna | 95.7% | 1 |
| 5 | Gemma 4 31B | 94.7% | 1 |
| 6 | Qwen 3.8 Max | 92.1% | 1 |
| 7 | Gemini 4 Argon | 91.6% | 1 |
| 8 | Grok 4.7 | 85.6% | 1 |
| 9 | Gemini 3.8 Flash | 85.1% | 1 |
| 10 | Claude Opus 5.5 | 77.9% | 1 |
| 11 | GPT-5.6 Terra | 75.5% | 1 |
| 12 | Claude Haiku 5.5 | 71.1% | 1 |
| 13 | Gemini 3.1 Pro Preview | 70.7% | 1 |
| 14 | GLM-5.3-Flash | 70.0% | 1 |
| 15 | gpt-oss-120b | 25.1% | 1 |
إعداد النموذج · موجّه مباشر
استكشافي - لم يُصنَّف فائزًا بعدrg-rag-retrieval-model-configuration-direct-prompt-model-configuration-v1أدلة المستكشف
FACTS Grounding v2
مصدر واحد. رُصدت في ؛ صالحة حتى .
| الترتيب | التكوين | القدرة | عدم اليقين | العائلات |
|---|---|---|---|---|
| 1 | GPT-6 Astra facts-grounding-v2:gpt-6-astraconfig_133c9e505fd788462ac768c4805bef5b5fe59e2324bb1f8fff6e845bcddb3872 | 80% | غير معروف | 1 |
| 2 | GPT-6.1 Sol facts-grounding-v2:gpt-6.1-solconfig_022373fecf0bf7c463088eb9899c7a3d9eb4bce9cfd24110dee5d64340258fc8 | 78% | غير معروف | 1 |
| 3 | Gemma 4 26B A4B facts-grounding-v2:gemma-4-26b-a4b-itconfig_55069a9aaccbd5ee73d7a243cd0c8df03b39b412016cf1a0b7b837edafff174d | 78% | غير معروف | 1 |
| 4 | GPT-6 Luna facts-grounding-v2:gpt-6-lunaconfig_dfbe5630ca5e9b5b949f0ac1c2d16d02b8386ac997ef96002c20dcbcbf44251b | 77% | غير معروف | 1 |
| 5 | Gemma 4 31B facts-grounding-v2:gemma-4-31b-itconfig_fa8dd1d921924622402184bc1cc37f6f1c4a9ab5a8550e75c01250d3132198cf | 76% | غير معروف | 1 |
| 6 | Qwen 3.8 Max facts-grounding-v2:qwen3.8-maxconfig_8fa55caebd27c26e9eb72a531ca084b0b7eb587def26ed79829c31672d534a13 | 74% | غير معروف | 1 |
| 7 | Gemini 4 Argon facts-grounding-v2:gemini-4-argonconfig_d111583ea85b8d585e1eff81d6a64ccb192e4f584cb7df57af454e5c2b45e1de | 73% | غير معروف | 1 |
| 8 | Grok 4.7 facts-grounding-v2:grok-4.7config_086c38708f99bbe547c2740a59f374dc1c52ea959656105f1b84b8bc40495637 | 69% | غير معروف | 1 |
| 9 | Gemini 3.8 Flash facts-grounding-v2:gemini-3.8-flashconfig_289038458a43165e74dc5110c147d0ee5e4582c3c45ee8e794afb02b454cbea6 | 68% | غير معروف | 1 |
| 10 | Claude Opus 5.5 facts-grounding-v2:claude-opus-5-5-defaultconfig_d2c7c107ab0570cb61aecf7976c1bf66a5f97bfb7edaa45f27a21886281c4c92 | 62% | غير معروف | 1 |
| 11 | GPT-5.6 Terra facts-grounding-v2:gpt-5.6-terraconfig_c000ae6e53b83f053539736253672afb6731d79b61281f862e6b43a61ab41378 | 61% | غير معروف | 1 |
| 12 | Claude Haiku 5.5 facts-grounding-v2:claude-haiku-5-5config_1c2522cedfd238e9b5868cd71302f698243450ff10f5dd811765a2283820cbb0 | 57% | غير معروف | 1 |
| 13 | Gemini 3.1 Pro Preview facts-grounding-v2:gemini-3.1-pro-previewconfig_5e7d3db54d056747b7f5db367b48e115c38aff0a37a99c447039ea568c28e338 | 57% | غير معروف | 1 |
| 14 | GLM-5.3-Flash facts-grounding-v2:glm-5.3-flashconfig_8d840320d281170c66881abda6aacd6a3f818b6431d7a49ff4b96548d6c71112 | 56% | غير معروف | 1 |
| 15 | gpt-oss-120b facts-grounding-v2:gpt-oss-120bconfig_a76962bdae4d7535750df3b65733135f2ed5f454f059573b12adbef178ba23ec | 20% | غير معروف | 1 |
لا توجد أدلة مستقلة كافية لتكوين مجموعة أعلى
- لم يتم التحقق من معايرة النتائج
- تغطية عائلات المعايير المستقلة أقل من الحد المطلوب