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。
- 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。
- 1GPT 3.5 Turbo 110658.1%
- 2Phi 3 Small58.1%
- 3Llama 3-8B57.3%
- 4Phi 3 (medium)55.8%
- 5Mixtral 8x7B55.2%
- 6Phi 3 Mini52.8%
- 7Gemma 7B48.7%
- 8Mistral 7B v0.347.1%
- 9Phi-242.5%
- 10Megatron-Turing NLG 530B39.7%
- 11InstructGPT 175B35.4%
11 / 11
| # | ||||
|---|---|---|---|---|
| 1 | 58.1% | 38.4 | 2023-11-06 | |
| 2 | 58.1% | – | 2024-04-23 | |
| 3 | 57.3% | 34.8 | 2024-04-18 | |
| 4 | 55.8% | 37.8 | 2024-04-23 | |
| 5 | 55.2% | 30.8 | 2023-12-11 | |
| 6 | 52.8% | 36.7 | 2024-04-23 | |
| 7 | 48.7% | – | 2024-02-21 | |
| 8 | 47.1% | 28.9 | 2023-09-27 | |
| 9 | 42.5% | – | 2023-12-12 | |
| 10 | 39.7% | – | 2021-10-11 | |
| 11 | 35.4% | – | 2022-01-27 |
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。