Llama 2 70B

Meta / Llama · 2023-07-18 · 类别未确认

Meta 首个允许免费商业化使用的开源大模型家族，预训练 token 达 2T，深度融合 RLHF（PPO + 拒绝采样）对齐策略，70B 版本的 MMLU 达 68.9%，GSM8K 56.8%，成为工业界落地应用最广泛的开源标杆。

mmlu 68.9% 模型 llama-2-70b · 版本未说明 · 指标 accuracy · 单位 % 来源等级 A · vendor_reported · 核对日期 2026-09-12 · 距快照 22 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

未提供原文定位

{
  "harness": "5-shot"
}

论文 Table 3 70B 模型得分

gsm8k 56.8% 模型 llama-2-70b · 版本未说明 · 指标 accuracy · 单位 % 来源等级 A · vendor_reported · 核对日期 2026-09-12 · 距快照 22 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

未提供原文定位

{
  "harness": "8-shot"
}

论文 Table 3 70B 模型得分

humaneval 29.9% 模型 llama-2-70b · 版本未说明 · 指标 pass@1 · 单位 % 来源等级 A · vendor_reported · 核对日期 2026-09-12 · 距快照 22 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

未提供原文定位

{
  "harness": "0-shot"
}

论文 Table 3 70B 模型得分

math 13.5% 模型 llama-2-70b · 版本未说明 · 指标 accuracy · 单位 % 来源等级 A · vendor_reported · 核对日期 2026-09-12 · 距快照 22 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

未提供原文定位

{
  "harness": "4-shot"
}

论文 Table 3 70B 模型得分

arc-challenge 85.3% 模型 llama-2-70b · 版本未说明 · 指标 accuracy · 单位 % 来源等级 A · vendor_reported · 核对日期 2026-09-12 · 距快照 22 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

未提供原文定位

{
  "harness": "25-shot"
}

论文 Table 3 70B 模型得分