历史专项测试
历史数据存档。查看近期模型，请返回模型能力评测。
知识与推理 · MMLU-Pro
记录保留原模型配置与数据提供方；计算机知识分项衡量知识，不是代码项目完成率。
262 条 · 按总正确率降序缺测记为 —
| 模型／配置 | 总正确率 | 数据提供方 |
|---|---|---|
| 54.4% | Self-Reported | |
| 52.8% | Self-Reported | |
| 52.8% | TIGER-Lab | |
| 52.6% | TIGER-Lab | |
| 52.5% | TIGER-Lab | |
| 52.3% | TIGER-Lab | |
| 52.1% | TIGER-Lab | |
| 51.9% | TIGER-Lab | |
| 50.4% | TIGER-Lab | |
| 49.9% | TIGER-Lab | |
| 49.5% | TIGER-Lab | |
| 48.4% | TIGER-Lab | |
| 48.0% | TIGER-Lab | |
| 47.9% | TIGER-Lab | |
| 47.9% | TIGER-Lab | |
| 47.2% | TIGER-Lab | |
| 47.2% | Self-Reported | |
| 46.2% | TIGER-Lab | |
| 46.0% | TIGER-Lab | |
| 45.7% | TIGER-Lab |
'%20fill-rule='nonzero'%3e%3c/path%3e%3cdefs%3e%3clinearGradient%20id='lobe-icons-qwen-_R_0_'%20x1='0%25'%20x2='100%25'%20y1='0%25'%20y2='0%25'%3e%3cstop%20offset='0%25'%20stop-color='%236336E7'%20stop-opacity='.84'%3e%3c/stop%3e%3cstop%20offset='100%25'%20stop-color='%236F69F7'%20stop-opacity='.84'%3e%3c/stop%3e%3c/linearGradient%3e%3c/defs%3e%3c/svg%3e){kind=small}
'%20fill-rule='evenodd'%3e%3c/path%3e%3c/svg%3e){kind=small}
Phi3-medium-128k
关闭详情数据提供方：TIGER-Lab · 参数规模：14 B
- 总正确率
- 51.9%
- 数学
- 49.9%
- 计算机知识
- 51.7%
- 物理
- 45.2%
- 化学
- 43.8%
- 生物
- 73.4%
- 工程
- 34.4%
- 经济
- 66.5%
- 商业
- 56.4%
- 健康
- 58.6%
- 心理
- 70.9%
- 法律
- 36.0%
- 历史
- 53.8%
- 哲学
- 49.1%
- 其他
- 56.4%
来源、版本与使用范围
数据版本：4623b7c68d2276218d487464b0608dc978f4b301
来源许可证：Apache-2.0。模型自身许可证与成绩文件许可证分别核对。本页未运行模型评测；不同来源或配置记录不合并，价格未提供。
固定版本数据文件