Meta · pașaport de model
Llama 2 70b Chat
llama-2-70b-chat- Ponderi deschise
- Licență Llama 2 Community
- Lansat 2023-07-18(curatoriat)
- General · LMArena
- 1,171#347 din 396
- Cea mai bună percentilă
- 12.6General
- Poziția în cohortă
- 27.9mediană 26.0
Ce spun datele
Evaluat pe 4 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.
Cele mai slabe axe
- 9.7 pct — Programare (1,179)
- 11.4 pct — Prompturi dificile (1,161)
- 11.6 pct — Urmarea instrucțiunilor (1,135)
Neuniform: 2,9 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 12.6 pct pe General față de 9.7 pct pe Programare.
- General12.6 pct1,171Verifică →
- Urmarea instrucțiunilor11.6 pct1,135Verifică →
- Prompturi dificile11.4 pct1,161Verifică →
- Programare9.7 pct1,179Verifică →
- WebDev ArenaNeevaluat
- Vision ArenaNeevaluat
- Factuality ArenaNeevaluat
- Search ArenaNeevaluat
- Document ArenaNeevaluat
- Agent ArenaNeevaluat
- GPQA DiamondNeevaluat
- AIME (matematică)Neevaluat
- FrontierMathNeevaluat
- SimpleQA VerifiedNeevaluat
- ARC-AGI-2Neevaluat
- Humanity's Last ExamNeevaluat
- SimpleBenchNeevaluat
- LiveBenchNeevaluat
- BFCL v4 (apelare de funcții)Neevaluat
- SWE-bench Verified (clasament live)Neevaluat
- Terminal-Bench 4.0Neevaluat
- MMLU-Pro (Artificial Analysis)Neevaluat
- LiveCodeBench (Artificial Analysis)Neevaluat
- IFBench (Artificial Analysis)Neevaluat
- Halucinații HHEM (Vectara)Neevaluat
- SWE-bench VerifiedNeevaluat
- Terminal-BenchNeevaluat
Percentilele reprezintă poziția modelului în populația proprie a fiecărui clasament. Axele marcate „neevaluat” nu au niciun rezultat publicat pentru acest model — este o absență a datelor, nu un scor mic.
Cum îl rulezi
Rulează-l singur
Transformers
from transformers import AutoModelForCausalLM, AutoTokenizer
model_id = "meta-llama/Llama-2-70b-chat"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)Ollama
Nu sincronizăm tag-urile Ollama, așa că nu afișăm o comandă pe care nu o putem verifica — una greșită ar descărca modelul greșit. Caută în biblioteca Ollama →
Rețetele de fine-tuning Unsloth sunt specifice fiecărui model și nu le derivăm aici. Documentația Unsloth →
Identificatorii, limitele și prețurile sunt sincronizate din sursa upstream afișată mai sus. Orice câmp nesincronizat este omis complet, nu ghicit.
llama-2-70b-chat stands at 27.9 (raw mean 11.3) — measured on 4 of 27 axes.
llama-2-70b-chat stands at 27.9 versus a cohort median of 26 across 49 models released within 180 days — above the peer median.
llama-2-70b-chat scores at percentile 9.7 on Programare.
llama-2-70b-chat scores at percentile 11.4 on Prompturi dificile.
llama-2-70b-chat ranks between #363 and #753 across 5 built-in weightings — best under "Conversație pe primul loc", worst under "Toate sursele".
Fiecare afirmație este un fapt calculat din datele actuale ale clasamentului, formulat de un apel de model la temperatură scăzută și respins de o poartă de validare dacă vreun număr nu se află în rândul sursă. Cum funcționează clasamentele →