Llama 2-70B 评测成绩

来自 4 个来源、7 项基准的 9 条成绩。

开放权重发布: 2023年7月18日更新于 2026年10月22日

其他名称: llama-2-70b-chat · Llama-2-70b-chat-hf · Llama-2-70b-hf · Llama 2 (70B) · LLAMA 2 70B · LLaMA 2 70B · LLaMA 2 70B · Llama-2-70b-chat · LLaMA2-Chat 70B · Llama-2-70B

全部评测成绩

基准	分数	名次	设定	来源类型	日期
LMArena Text	1171	365	Overall, style control on; 38492 votes; 95% CI 1165–1176“llama-2-70b-chat”	官方榜单	2026年10月8日
Open LLM Leaderboard v2	18.4%	2905	Average of 6 normalised benchmarks; float16; 68.977B params“meta-llama/Llama-2-70b-hf”	官方榜单	2025年3月13日
GPQA Diamond	26.3%	271	Epoch AI run, accuracy	独立评测	2025年1月27日
MMLU	68.9%	27	Exact match; 5-shot	论文 / 技术报告 via Epoch AI	2023年7月18日
MMLU	59.4%	51	Exact match; 0-shot	论文 / 技术报告 via Epoch AI	2023年7月18日
MMLU	69.5%	54	Exact match; 5-shot	官方榜单 via Epoch AI	2023年7月18日
MMLU-Pro	37.5%	199	Overall accuracy; data source: TIGER-Lab; 70B“Llama-2-70B”	官方榜单	2026年3月11日
AIME (OTIS Mock AIME 2024–2025)	0.0%	265	Epoch AI run, OTIS Mock AIME 2024–2025	独立评测	2025年2月25日
MATH Level 5	3.3%	104	Epoch AI run, accuracy	独立评测	2025年1月27日

← AI 模型评测

常见问题

Llama 2-70B 的这些评测分数来自哪里？

来自 Epoch AI Benchmarking Hub、LMArena leaderboard dataset、MMLU-Pro leaderboard (TIGER-Lab)和Hugging Face Open LLM Leaderboard v2 (archived)。每一行都链接到原始榜单、数据集或报告，厂商自报的分数单独标注。