TruthfulQA
AIベンチマーク結果とモデルの性能
種類: percentageFinance
記録された結果
24
平均スコア
63.20%
スコアの範囲
50.30% - 77.50%
最上位モデル
77.50% - Phi 3.5 MoE instruct
スコアの推移
日付ごとの個別ベンチマークスコアです。
モデル結果
| 組織 | モデル | 報告日 | 最高スコア | 情報 | 自己申告 | 出典 |
|---|---|---|---|---|---|---|
| Phi 3.5 MoE instruct | 2024年8月23日 | 77.50% | - | はい | 出典 | |
| Granite 3.0 8B Instruct | - | 66.86% | inferred high-confidence family alias from granite-3.3-8b-instruct (score=0.4911; benches=14) | はい | 出典 | |
| Granite 3.1 8B Instruct | - | 66.86% | inferred high-confidence family alias from granite-3.3-8b-instruct (score=0.4911; benches=14) | はい | 出典 | |
| Granite 3.2 8B Instruct | - | 66.86% | inferred high-confidence family alias from granite-3.3-8b-instruct (score=0.4911; benches=14) | はい | 出典 | |
| Granite 3.2 8B Instruct Preview | - | 66.86% | inferred high-confidence family alias from granite-3.3-8b-instruct (score=0.4687; benches=14) | はい | 出典 | |
| Granite 3.3 2B Instruct | 2025年4月16日 | 66.86% | inferred family alias from granite-3.3-8b-instruct (score=0.3627; benches=14) | はい | 出典 | |
| Granite 3.3 8B Instruct | 2025年4月16日 | 66.86% | - | はい | 出典 | |
| Granite Guardian 3.0 8B | - | 66.86% | inferred family alias from granite-3.3-8b-instruct (score=0.4062; benches=14) | はい | 出典 | |
| Granite Guardian 3.1 8B | - | 66.86% | inferred family alias from granite-3.3-8b-instruct (score=0.4062; benches=14) | はい | 出典 | |
| Granite Guardian 3.3 8B | - | 66.86% | inferred high-confidence family alias from granite-3.3-8b-instruct (score=0.5071; benches=14) | はい | 出典 | |
| Granite Speech 3.2 8B | - | 66.86% | inferred family alias from granite-3.3-8b-instruct (score=0.4062; benches=14) | はい | 出典 | |
| Granite Speech 3.3 8B | - | 66.86% | inferred high-confidence family alias from granite-3.3-8b-instruct (score=0.5071; benches=14) | はい | 出典 | |
| Phi 4 Mini | 2025年2月01日 | 66.40% | - | はい | 出典 | |
| Phi 3 Mini 128K Instruct | - | 64% | inferred family alias from phi-3.5-mini-instruct (score=0.3533; benches=31) | はい | 出典 | |
| Phi 3.5 mini instruct | 2024年8月23日 | 64% | - | はい | 出典 | |
| Llama 3.1 Nemotron 70B Instruct | 2024年10月01日 | 58.63% | - | はい | 出典 | |
| Qwen 14B | - | 58.40% | inferred family alias from qwen-2.5-14b-instruct (score=0.3060; benches=16) | はい | 出典 | |
| Granite 4.0 Micro | 2025年10月02日 | 58.10% | inferred high-confidence family alias from granite-4.0-tiny-preview (score=0.4700; benches=12) | はい | 出典 | |
| Granite 4.0 Small | 2025年10月02日 | 58.10% | inferred high-confidence family alias from granite-4.0-tiny-preview (score=0.4700; benches=12) | はい | 出典 | |
| Granite 4.0 Tiny | 2025年10月02日 | 58.10% | inferred alias from granite-4.0-tiny-preview | はい | 出典 | |
| Granite 4.0 Tiny Preview | 2025年5月02日 | 58.10% | - | はい | 出典 | |
| Qwen 2 Math 72B | - | 54.80% | inferred high-confidence family alias from qwen2-72b-instruct (score=0.4667; benches=17) | はい | 出典 | |
| Qwen 2 Math RM 72B | - | 54.80% | inferred family alias from qwen2-72b-instruct (score=0.3917; benches=17) | はい | 出典 | |
| Mistral Nemo 12B | 2024年7月18日 | 50.30% | inferred family alias from mistral-nemo-instruct-2407 (score=0.3250; benches=8) | はい | 出典 |
