BenchLeader

ANLI 排行榜

截至 2026年11月16日,ANLI 的最高分为 58.1%,由 GPT 3.5 Turbo 1106 和 Phi 3 Small 并列取得,领先于 Llama 3-8B(57.3%)。共有 11 个模型配置公布了结果(Epoch AI Benchmarking Hub,结果日期 2023年11月6日)。以对抗方式编写的自然语言推理题。ANLI 仅作参考展示,不计入 BenchLeader Index。

要点(截至 2026年11月16日)

  • GPT 3.5 Turbo 1106 和 Phi 3 Small 以 58.1% 并列 ANLI 最高分(Epoch AI Benchmarking Hub,2026年11月16日)。
  • ANLI:对抗性编写的自然语言推理题。2019 年的基准测试,对当前模型已饱和,保留作为历史记录(Epoch AI Benchmarking Hub)。
  • BenchLeader 上有 11 个模型配置公布了 ANLI 结果(BenchLeader,2026年11月16日)。
  • ANLI 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。

对抗性编写的自然语言推理题。2019 年的基准测试,对当前模型已饱和,保留作为历史记录。

发布方
Epoch AI Benchmarking Hub
类别
推理
Index 权重
仅作参考
模型
11
数据截至
2026年11月16日

CC BY 4.0 — Epoch AI, ‘AI Benchmarking Hub’, epoch.ai/benchmarks. Mirrored boards credit their original publishers.

测试内容

以对抗方式编写的自然语言推理题。

评分方式

准确率,由 Epoch AI 根据已公布的结果汇编。

注意事项

已饱和:前沿模型的得分接近上限,所以它只能区分较旧或较小的模型,而且结果大多由提供商自报。

前 15 名
  1. 1GPT 3.5 Turbo 110658.1%
  2. 2Phi 3 Small58.1%
  3. 3Llama 3-8B57.3%
  4. 4Phi 3 (medium)55.8%
  5. 5Mixtral 8x7B55.2%
  6. 6Phi 3 Mini52.8%
  7. 7Gemma 7B48.7%
  8. 8Mistral 7B v0.347.1%
  9. 9Phi-242.5%
  10. 10Megatron-Turing NLG 530B39.7%
  11. 11InstructGPT 175B35.4%
11 / 11
#
1GPT 3.5 Turbo 110658.1%38.42023-11-06
2Phi 3 Small58.1%–2024-04-23
3Llama 3-8B57.3%34.82024-04-18
4Phi 3medium55.8%37.82024-04-23
5Mixtral 8x7B55.2%30.82023-12-11
6Phi 3 Mini52.8%36.72024-04-23
7Gemma 7B48.7%–2024-02-21
8Mistral 7B v0.347.1%28.92023-09-27
9Phi-242.5%–2023-12-12
10Megatron-Turing NLG 530B39.7%–2021-10-11
11InstructGPT 175B35.4%–2022-01-27

更多推理基准测试 · 全部大模型基准测试

引用格式:BenchLeader,《ANLI 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/anli。

ANLI:常见问题

ANLI 衡量的是什么?
以对抗方式编写的自然语言推理题。分数以完成任务的百分比表示,越高越好。
ANLI 的最高分是多少?
截至 2026年11月16日,ANLI 的最高分为 58.1%,由 GPT 3.5 Turbo 1106 和 Phi 3 Small 并列取得,领先于 Llama 3-8B(57.3%)。分数来自 Epoch AI Benchmarking Hub,每天重新读取。
哪个 AI 模型在 ANLI 上领先?
截至 2026年11月16日,GPT 3.5 Turbo 1106 和 Phi 3 Small 以 58.1% 并列 ANLI 第一。
有多少模型有 ANLI 结果?
BenchLeader 上有 11 个模型配置有 ANLI 结果,全部取自 Epoch AI Benchmarking Hub。
ANLI 由谁运行,多久更新一次?
ANLI 由 Epoch AI Benchmarking Hub 发布。BenchLeader 每天重新读取一次公布的结果,并记录每个结果的发布日期。
ANLI 是否计入 BenchLeader Index?
不计入。ANLI 仅作参考展示,不计入综合分数。