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
WinoGrande: An Adversarial Winograd Schema Challenge at Scale. A large-scale dataset of 44,000 pronoun resolution problems designed to test machine commonsense reasoning. Uses adversarial filtering to reduce spurious biases and provides a more robust evaluation of whether AI systems truly understand commonsense or exploit statistical shortcuts. Current best AI methods achieve 59.4-79.1% accuracy, significantly below human performance of 94.0%.
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。
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 |
|---|---|---|---|---|---|
| GPT-4 | 0.875 | 未收录 | 未收录 | 2023-06-13 · model_announcement | LLM Stats |
| MiMo-V2.5-Pro | 0.856 | 未收录 | 未收录 | 2026-04-27 · model_announcement | LLM Stats |
| Command R+ | 0.854 | 未收录 | 未收录 | 2024-08-30 · model_announcement | LLM Stats |
| Qwen2 72B Instruct | 0.851 | 未收录 | 未收录 | 2024-07-23 · model_announcement | LLM Stats |
| Llama 3.1 Nemotron 70B Instruct | 0.8453 | 未收录 | 未收录 | 2024-10-01 · model_announcement | LLM Stats |
| Gemma 2 27B | 0.837 | 未收录 | 未收录 | 2024-06-27 · model_announcement | LLM Stats |
| Hermes 3 70B | 0.8319 | 未收录 | 未收录 | 2024-08-15 · model_announcement | LLM Stats |
| Qwen2.5 32B Instruct | 0.82 | 未收录 | 未收录 | 2024-09-19 · model_announcement | LLM Stats |
| Phi-3.5-MoE-instruct | 0.813 | 未收录 | 未收录 | 2024-08-23 · model_announcement | LLM Stats |
| Qwen2.5-Coder 32B Instruct | 0.808 | 未收录 | 未收录 | 2024-09-19 · model_announcement | LLM Stats |
| Gemma 2 9B | 0.806 | 未收录 | 未收录 | 2024-06-27 · model_announcement | LLM Stats |
| Mistral NeMo Instruct | 0.768 | 未收录 | 未收录 | 2024-07-18 · model_announcement | LLM Stats |
| Ministral 8B Instruct | 0.753 | 未收录 | 未收录 | 2024-10-16 · model_announcement | LLM Stats |
| Granite 3.3 8B Base | 0.744 | 未收录 | 未收录 | 2025-04-16 · model_announcement | LLM Stats |
| Qwen2.5-Coder 7B Instruct | 0.729 | 未收录 | 未收录 | 2024-09-19 · model_announcement | LLM Stats |
| Gemma 3n E4B | 0.717 | 未收录 | 未收录 | 2025-06-26 · model_announcement | LLM Stats |
| Gemma 3n E4B Instructed LiteRT Preview | 0.717 | 未收录 | 未收录 | 2025-05-20 · model_announcement | LLM Stats |
| Phi-3.5-mini-instruct | 0.685 | 未收录 | 未收录 | 2024-08-23 · model_announcement | LLM Stats |
| Phi 4 Mini | 0.67 | 未收录 | 未收录 | 2025-02-01 · model_announcement | LLM Stats |
| Gemma 3n E2B | 0.668 | 未收录 | 未收录 | 2025-06-26 · model_announcement | LLM Stats |
| Gemma 3n E2B Instructed LiteRT (Preview) | 0.668 | 未收录 | 未收录 | 2025-05-20 · model_announcement | LLM Stats |
| ERNIE 4.5 | 0.513 | 未收录 | 未收录 | 2025-06-25 · model_announcement | LLM Stats |