AI 评测与排行榜，分别告诉你什么
分清评测基准、一次评测运行与排行榜，用它们回答各自适合的问题。
LLM Stats
BoolQ
BoolQ is a reading comprehension dataset for yes/no questions containing 15,942 naturally occurring examples. Each example consists of a question, passage, and boolean answer, where questions are generated in unprompted and unconstrained settings. The dataset challenges models with complex, non-factoid information requiring entailment-like inference to solve.
评测信息与证据
- 来源
- LLM Stats
- 发布者
- 未收录
- 评测发布日期
- 未收录
- 采集日期
- 2026-08-17
- 模态
- text
本站保留来源报告的结果，不代表独立复测。请先核对任务版本、评测协议、分数单位和报告日期；不同运行条件不能直接合并为统一排名。
原始资料
报告成绩 10
按来源中的观察顺序展示，顺序不代表排名。日期保留原始精度。
| 模型 | 数值 | 单位 | 协议 | 报告日期与口径 | 来源 |
|---|---|---|---|---|---|
| Hermes 3 70B | 0.8804 | 未收录 | 未收录 | 2024-08-15 · model_announcement | LLM Stats |
| Gemma 2 27B | 0.848 | 未收录 | 未收录 | 2024-06-27 · model_announcement | LLM Stats |
| Phi-3.5-MoE-instruct | 0.846 | 未收录 | 未收录 | 2024-08-23 · model_announcement | LLM Stats |
| Gemma 2 9B | 0.842 | 未收录 | 未收录 | 2024-06-27 · model_announcement | LLM Stats |
| Gemma 3n E4B | 0.816 | 未收录 | 未收录 | 2025-06-26 · model_announcement | LLM Stats |
| Gemma 3n E4B Instructed LiteRT Preview | 0.816 | 未收录 | 未收录 | 2025-05-20 · model_announcement | LLM Stats |
| Phi 4 Mini | 0.812 | 未收录 | 未收录 | 2025-02-01 · model_announcement | LLM Stats |
| Phi-3.5-mini-instruct | 0.78 | 未收录 | 未收录 | 2024-08-23 · model_announcement | LLM Stats |
| Gemma 3n E2B | 0.764 | 未收录 | 未收录 | 2025-06-26 · model_announcement | LLM Stats |
| Gemma 3n E2B Instructed LiteRT (Preview) | 0.764 | 未收录 | 未收录 | 2025-05-20 · model_announcement | LLM Stats |