TrustLLMeu/baseline-7-8b_2-3t-tokens_llama
- 未提供
- 3.34 ± 0.03（95% CI） 排名分
- 3.65 ± 0.05（95% CI） 排名分
- 3.46 ± 0.06（95% CI） 排名分
项目测评
EuroEval 欧洲多语言 · 测试集 · few-shot
EuroEval · 268 条配置有公开分数，按独立指标查看结果和测试条件。
报告身份与条件
资料日期2026-10-18· 报告发布日期—。运行日期与测试条件见各条记录。
- 只比较欧洲生成式题集的均值排名分，越低越好；总分与各语言分项独立，缺值不当零分。
- 测试集与验证集、few-shot与zero-shot分别成页；思考模式和模型类型保留在具体运行身份，不把同名配置合并。
- 数值后的±表示95% bootstrap置信区间半宽；区间有重叠时不据微小点估计差异断言优劣，图表按点估计排序。
- 只将官方链接与本站调用标识完全一致的Hugging Face型号关联；不凭简称、API前缀或思考模式推定具体版本。
- 模型元数据、欧洲价值观和幻觉率不在本页排名指标内；本榜不代表所有任务或所有语言的通用能力。
- EuroEval 成绩仓库和框架采用 MIT 许可，Copyright © Dan Saattrup Smart 与 Alexandra Instituttet A/S；完整许可见 /licenses/euroeval.txt。
- 榜单资料时间：Last updated: 2026-10-10 14:26:33 CET；不是各次实际测试日期或模型发布日期。
- 本页只含测试集、few-shot配置；模型类型逐条保留。未给出逐次测试日期、框架版本或统一样本数，均不推定。
欧洲多语种均值排名分
阿尔巴尼亚语均值排名分
完整结果与对象版本
268 / 469条配置有本范围的公开分数；列表展示有分数的配置，缺项保留“未提供”。同名型号的不同运行配置分别列出。
Qwen/Qwen3-Next-80B-A3B-Instruct
- 未提供
- 2.77 ± 0.04（95% CI） 排名分
deepseek-ai/DeepSeek-R1-Distill-Qwen-7B →
- 未提供
- 4.39 ± 0.04（95% CI） 排名分
allenai/Llama-3.1-Tulu-3-8B
- 未提供
- 3.27 ± 0.04（95% CI） 排名分
google/gemma-3-12b-it
- 2.06 ± 0.07（95% CI） 排名分
- 2.17 ± 0.06（95% CI） 排名分
- 2.11 ± 0.04（95% CI） 排名分
- 1.51 ± 0.03（95% CI） 排名分
baidu/ERNIE-4.5-21B-A3B-PT →
- 未提供
- 2.91 ± 0.04（95% CI） 排名分
- 2.55 ± 0.05（95% CI） 排名分
- 3.1 ± 0.1（95% CI） 排名分
swiss-ai/Apertus-70B-Instruct-2509
- 未提供
- 2.66 ± 0.02（95% CI） 排名分
- 2.67 ± 0.04（95% CI） 排名分
- 2.37 ± 0.03（95% CI） 排名分
ibm-granite/granite-8b-code-base-4k
- 未提供
- 3.79 ± 0.04（95% CI） 排名分
google/gemma-3-270m-it
- 3.89 ± 0.06（95% CI） 排名分
- 3.58 ± 0.03（95% CI） 排名分
- 3.95 ± 0.04（95% CI） 排名分
- 3.31 ± 0.08（95% CI） 排名分
microsoft/Phi-4-mini-reasoning
- 未提供
- 4.58 ± 0.05（95% CI） 排名分
deepcogito/cogito-v1-preview-llama-3B
- 3.04 ± 0.09（95% CI） 排名分
- 2.98 ± 0.03（95% CI） 排名分
- 3.07 ± 0.04（95% CI） 排名分
- 2.38 ± 0.03（95% CI） 排名分
PleIAs/Baguettotron@refs/pr/6#no-thinking
- 未提供
- 4.07 ± 0.02（95% CI） 排名分
- 4.3 ± 0.02（95% CI） 排名分
- 4.28 ± 0.03（95% CI） 排名分
HuggingFaceTB/SmolLM3-3B#no-thinking
- 未提供
- 3.24 ± 0.05（95% CI） 排名分
- 3.23 ± 0.06（95% CI） 排名分
- 2.35 ± 0.03（95% CI） 排名分
HPLT/hplt2c_nob_checkpoints
- 未提供
- 4.82 ± 0.04（95% CI） 排名分
google/gemma-3-1b-it
- 3.43 ± 0.07（95% CI） 排名分
- 3.42 ± 0.05（95% CI） 排名分
- 3.74 ± 0.04（95% CI） 排名分
- 2.81 ± 0.04（95% CI） 排名分
allenai/Olmo-3-1125-32B
- 未提供
- 1.97 ± 0.07（95% CI） 排名分
- 2.74 ± 0.03（95% CI） 排名分
- 2.68 ± 0.04（95% CI） 排名分
Qwen/Qwen1.5-0.5B-Chat
- 未提供
- 4.57 ± 0.04（95% CI） 排名分
danish-foundation-models/munin-apertus-8b
- 未提供
- 2.54 ± 0.04（95% CI） 排名分
mistralai/Mistral-7B-v0.3
- 未提供
- 3.84 ± 0.05（95% CI） 排名分
Qwen/Qwen1.5-14B
- 未提供
- 4.03 ± 0.04（95% CI） 排名分