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
HellaSwag
A challenging commonsense natural language inference dataset that uses Adversarial Filtering to create questions trivial for humans (>95% accuracy) but difficult for state-of-the-art models, requiring completion of sentence endings based on physical situations and everyday activities
评测信息与证据
- 来源
- LLM Stats
- 发布者
- 未收录
- 评测发布日期
- 2019-05-19
- 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 27
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 |
|---|---|---|---|---|---|
| Claude 3 Opus | 0.954 | 未收录 | 未收录 | 2024-02-29 · model_announcement | LLM Stats |
| GPT-4 | 0.953 | 未收录 | 未收录 | 2023-06-13 · model_announcement | LLM Stats |
| Gemini 1.5 Pro | 0.933 | 未收录 | 未收录 | 2024-05-01 · model_announcement | LLM Stats |
| MiMo-V2.5-Pro | 0.898 | 未收录 | 未收录 | 2026-04-27 · model_announcement | LLM Stats |
| Claude 3 Sonnet | 0.89 | 未收录 | 未收录 | 2024-02-29 · model_announcement | LLM Stats |
| Command R+ | 0.886 | 未收录 | 未收录 | 2024-08-30 · model_announcement | LLM Stats |
| Hermes 3 70B | 0.8819 | 未收录 | 未收录 | 2024-08-15 · model_announcement | LLM Stats |
| Qwen2 72B Instruct | 0.876 | 未收录 | 未收录 | 2024-07-23 · model_announcement | LLM Stats |
| Gemini 1.5 Flash | 0.865 | 未收录 | 未收录 | 2024-05-01 · model_announcement | LLM Stats |
| Gemma 2 27B | 0.864 | 未收录 | 未收录 | 2024-06-27 · model_announcement | LLM Stats |
| Claude 3 Haiku | 0.859 | 未收录 | 未收录 | 2024-03-13 · model_announcement | LLM Stats |
| Llama 3.1 Nemotron 70B Instruct | 0.8558 | 未收录 | 未收录 | 2024-10-01 · model_announcement | LLM Stats |
| Qwen2.5 32B Instruct | 0.852 | 未收录 | 未收录 | 2024-09-19 · model_announcement | LLM Stats |
| Phi-3.5-MoE-instruct | 0.838 | 未收录 | 未收录 | 2024-08-23 · model_announcement | LLM Stats |
| Mistral NeMo Instruct | 0.835 | 未收录 | 未收录 | 2024-07-18 · model_announcement | LLM Stats |
| Qwen2.5-Coder 32B Instruct | 0.83 | 未收录 | 未收录 | 2024-09-19 · model_announcement | LLM Stats |
| Gemma 2 9B | 0.819 | 未收录 | 未收录 | 2024-06-27 · model_announcement | LLM Stats |
| Granite 3.3 8B Base | 0.801 | 未收录 | 未收录 | 2025-04-16 · model_announcement | LLM Stats |
| Gemma 3n E4B | 0.786 | 未收录 | 未收录 | 2025-06-26 · model_announcement | LLM Stats |
| Gemma 3n E4B Instructed LiteRT Preview | 0.786 | 未收录 | 未收录 | 2025-05-20 · model_announcement | LLM Stats |
| Qwen2.5-Coder 7B Instruct | 0.768 | 未收录 | 未收录 | 2024-09-19 · model_announcement | LLM Stats |
| Gemma 3n E2B | 0.722 | 未收录 | 未收录 | 2025-06-26 · model_announcement | LLM Stats |
| Gemma 3n E2B Instructed LiteRT (Preview) | 0.722 | 未收录 | 未收录 | 2025-05-20 · model_announcement | LLM Stats |
| Llama 3.2 3B Instruct | 0.698 | 未收录 | 未收录 | 2024-09-25 · model_announcement | LLM Stats |
| Phi-3.5-mini-instruct | 0.694 | 未收录 | 未收录 | 2024-08-23 · model_announcement | LLM Stats |
| Phi 4 Mini | 0.691 | 未收录 | 未收录 | 2025-02-01 · model_announcement | LLM Stats |
| ERNIE 4.5 | 0.33 | 未收录 | 未收录 | 2025-06-25 · model_announcement | LLM Stats |