BenchLeader

TriviaQA 排行榜

截至 2026年11月16日,TriviaQA 的最高分为 87.6%,由 Llama 2-70B(Meta)取得,领先于 Claude 2.0(87.5%)。共有 36 个模型配置公布了结果(Epoch AI Benchmarking Hub,结果日期 2023年7月18日)。附有证据文档的知识问答题。TriviaQA 仅作参考展示,不计入 BenchLeader Index。

要点(截至 2026年11月16日)

  • Llama 2-70B 以 87.6% 保持 TriviaQA 最高分(Epoch AI Benchmarking Hub,2023年7月18日)。
  • Claude 2.0 以 87.5% 位列 TriviaQA 第二(Epoch AI Benchmarking Hub,2023年7月11日)。
  • TriviaQA:附证据文档的常识问答。2017 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 36 个模型配置公布了 TriviaQA 结果(BenchLeader,2026年11月16日)。
  • TriviaQA 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。

附证据文档的常识问答。2017 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
知识
Index 权重
仅作参考
模型
36
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

附有证据文档的知识问答题。

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. 1Llama 2-70B87.6%
  2. 2Claude 2.087.5%
  3. 3Claude 1.386.7%
  4. 4PaLM 2-L86.1%
  5. 5LLaMA-65B86.0%
  6. 6GPT 3.5 Turbo 110685.8%
  7. 7GPT 4 061384.8%
  8. 8Llama 2-34B84.6%
  9. 9LLaMA-33B83.8%
  10. 10DeepSeek V382.9%
  11. 11Llama 3.1 405B82.7%
  12. 12Mixtral 8x7B82.2%
  13. 13PaLM 2-M81.7%
  14. 14PaLM 540B81.4%
  15. 15Deepseek v280.0%
36 / 36
#
1Llama 2-70B87.6%33.42023-07-18
2Claude 2.087.5%–2023-07-11
3Claude 1.386.7%–2023-04-18
4PaLM 2-L86.1%–2023-05-17
5LLaMA-65B86.0%–2023-02-24
6GPT 3.5 Turbo 110685.8%38.42023-11-06
7GPT 4 061384.8%39.52023-06-13
8Llama 2-34B84.6%–2023-07-18
9LLaMA-33B83.8%–2023-02-24
10DeepSeek V382.9%44.32024-12-26
11Llama 3.1 405B82.7%41.82024-07-23
12Mixtral 8x7B82.2%30.82023-12-11
13PaLM 2-M81.7%–2023-05-17
14PaLM 540B81.4%–2022-04-04
15Deepseek v280.0%–2024-05-07
16Falcon-40B79.9%–2023-03-15
17Llama 2-13B79.6%–2023-07-18
18Claude Instant 1.178.9%––
19Claude Instant 1.278.7%–2023-08-09
20LLaMA-13B77.9%–2023-02-24
21Mistral 7B v0.375.2%28.92023-09-27
22PaLM 2-S75.2%–2023-05-17
23Phi 3medium73.9%37.82024-04-23
24Llama 2-7B73.7%–2023-07-18
25MPT-30B73.6%–2023-06-22
26Gemma 7B72.3%–2024-02-21
27Qwen2.5 72B71.9%43.12024-09-19
28InstructGPT 175B71.2%–2022-01-27
29LLaMA-7B71.0%–2023-02-24
30Llama 3-8B67.7%34.82024-04-18
31Falcon-7B64.6%–2023-04-24
32Phi 3 Mini64.0%36.72024-04-23
33MPT-7B61.6%–2023-05-05
34Phi 3 Small58.1%–2024-04-23
35Gemma 2B53.2%–2024-02-21
36Phi-245.2%–2023-12-12

更多知识基准测试 · 全部大模型基准测试

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

TriviaQA:常见问题

TriviaQA 衡量的是什么?
附有证据文档的知识问答题。分数以完成任务的百分比表示,越高越好。
TriviaQA 的最高分是多少?
截至 2026年11月16日,TriviaQA 的最高分为 87.6%,由 Llama 2-70B 取得(结果日期 2023年7月18日),领先于 Claude 2.0(87.5%)。分数来自 Epoch AI Benchmarking Hub,每天重新读取。
哪个 AI 模型在 TriviaQA 上领先?
截至 2026年11月16日,TriviaQA 排名第一的是 Llama 2-70B,分数为 87.6%(结果日期 2023年7月18日)。其后为 Claude 2.0(87.5%)。
有多少模型有 TriviaQA 结果?
BenchLeader 上有 36 个模型配置有 TriviaQA 结果,全部取自 Epoch AI Benchmarking Hub。
TriviaQA 由谁运行,多久更新一次?
TriviaQA 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。
TriviaQA 是否计入 BenchLeader Index?
不计入。TriviaQA 仅作参考展示,不计入综合分数。