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
PIQA
PIQA (Physical Interaction: Question Answering) is a benchmark dataset for physical commonsense reasoning in natural language. It tests AI systems' ability to answer questions requiring physical world knowledge through multiple choice questions with everyday situations, focusing on atypical solutions inspired by instructables.com. The dataset contains 21,000 multiple choice questions where models must choose the most appropriate solution for physical interactions.
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 11
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 |
|---|---|---|---|---|---|
| Phi-3.5-MoE-instruct | 0.886 | 未收录 | 未收录 | 2024-08-23 · model_announcement | LLM Stats |
| Hermes 3 70B | 0.8444 | 未收录 | 未收录 | 2024-08-15 · model_announcement | LLM Stats |
| Gemma 2 27B | 0.832 | 未收录 | 未收录 | 2024-06-27 · model_announcement | LLM Stats |
| Gemma 2 9B | 0.817 | 未收录 | 未收录 | 2024-06-27 · model_announcement | LLM Stats |
| Gemma 3n E4B | 0.81 | 未收录 | 未收录 | 2025-06-26 · model_announcement | LLM Stats |
| Gemma 3n E4B Instructed LiteRT Preview | 0.81 | 未收录 | 未收录 | 2025-05-20 · model_announcement | LLM Stats |
| Phi-3.5-mini-instruct | 0.81 | 未收录 | 未收录 | 2024-08-23 · model_announcement | LLM Stats |
| Gemma 3n E2B | 0.789 | 未收录 | 未收录 | 2025-06-26 · model_announcement | LLM Stats |
| Gemma 3n E2B Instructed LiteRT (Preview) | 0.789 | 未收录 | 未收录 | 2025-05-20 · model_announcement | LLM Stats |
| Phi 4 Mini | 0.776 | 未收录 | 未收录 | 2025-02-01 · model_announcement | LLM Stats |
| ERNIE 4.5 | 0.552 | 未收录 | 未收录 | 2025-06-25 · model_announcement | LLM Stats |