2024-04-18
Meta / Llama·国际
Meta / Llama·国际
Llama 3 70B
参数70B上下文8K tokens模态文本
Meta 开源 Llama 3 家族，采用 15T tokens 优质数据预训练，70B 版本在常识推理、代码与数学能力上达到 GPT-4 级水准。
15T tokens预训练开源商用许可开源大模型分水岭高效稠密架构
HarmBench 图表尚无可读数值
HarmBench
标准化有害行为 RedTE（攻击成功率越低越好）
基本信息
30 秒看懂
标准化红队攻击，看多少攻击能撬开模型。攻击成功率越低越安全。
评分协议
LLM judge 判定是否产出有害内容
可比性提示：同一评测的分数是「实验配置」的产物：只要评测版本（variant）、执行框架（harness）、推理档位（reasoning effort）、工具、采样参数、运行次数或聚合方式有任何一项不同，数字就不能直接横向比较。下方各厂商的分数如未写明协议细节，请只当作方向参考。
模型发布采用时间轴
共收录 1 场模型发布 · 按发布时间倒序排列 · 数据更新于 2026-09-20
2024
数据缺口（本页暂未收录）
- 评测版本与子集（例如部分评测有 Diamond、Verified 等官方变体）以及数据集规模
- 各厂商使用的执行框架（harness / scaffold）与 Agent 工具配置
- 推理档位（reasoning effort）、采样参数（temperature / top-p）、运行次数与分数聚合方式
- 指标对应的随机猜测基线（chance baseline）与人类基线的实验条件
- 测试集污染检测结论，以及是否已饱和的结构化标注
以上字段暂缺时，本页不虚构数字；后续会依据每一次发布的证据逐条补齐并标注来源。
复现入口
相关评测（同类别）
引用
本页数据更新于 2026-09-20，依据厂商发布材料真实抓取；发现数据问题欢迎在 GitHub 提 Issue。