dolphin3:8b im LLM-Testsuite-Report
Modellbeschreibung
Dolphin 3.0 Llama 3.1 8B ist die nächste Generation der auf Anweisungen abgestimmten Dolphin-Modellreihe. Es wurde als vielseitiges lokales Universalmodell für Programmierung, Mathematik, agentische Anwendungen, Funktionsaufrufe und allgemeine Anwendungsfälle entwickelt.
| Modellfamilie | dolphin3 |
|---|---|
| Kontext | 128K |
| Input | Text |
| Größe | 49 GB |
| Familiengrößen | 8b |
Readme-Auszug
Dolphin 3.0 ist die nächste Generation der auf Anweisungen abgestimmten Dolphin-Modellreihe. Es wurde als vielseitiges lokales Universalmodell für Programmierung, Mathematik, agentische Anwendungen, Funktionsaufrufe und allgemeine Anwendungsfälle entwickelt.
Dolphin soll ein Universalmodell sein, ähnlich den Modellen hinter ChatGPT, Claude und Gemini. Diese Modelle stellen Unternehmen, die KI in ihre Produkte integrieren möchten, jedoch vor Probleme.
Die Anbieter behalten die Kontrolle über den Systemprompt, erklären Funktionen nach Belieben für veraltet und ändern sie, wodurch Software häufig nicht mehr funktioniert. Sie behalten die Kontrolle über die Modellversionen, ändern mitunter Dinge ohne Ankündigung oder stellen ältere Modelle ein, auf die Ihr Unternehmen angewiesen ist. Sie behalten die Kontrolle über die Ausrichtung. Insbesondere ist diese Ausrichtung eine Einheitslösung und nicht auf die jeweilige Anwendung zugeschnitten. Sie können alle Ihre Anfragen sehen und diese Daten möglicherweise auf unerwünschte Weise verwenden. Dolphin lässt sich dagegen steuern und gibt dem Systemverantwortlichen die Kontrolle. Sie legen den Systemprompt fest. Sie bestimmen die Ausrichtung. Sie behalten die Kontrolle über Ihre Daten. Dolphin zwingt Ihnen weder seine Ethik noch seine Richtlinien auf. Sie selbst bestimmen die Richtlinien.
Referenzen
Hugging Face
Hilfe zu Bewertung, Score und exakter Korrektheit
Score ist eine abgestufte Gütebewertung: correct = 100 %, mostly_correct = 80 %, partial = 50 %, wrong/not_answered = 0 %.
Exakt korrekt ist strenger: Nur Runs mit dem Label correct zählen. Mostly correct erhöht den Score, zählt aber nicht als exakt korrekt.
Bewertet zählt alle Runs mit fachlichem Urteil. Bei LLM-Judge-Ergebnissen zählen auch Judge-Fehler als bewertet, aber mit Score 0 %.