返回评测
综合 综合-多语言 接近饱和 模态 · 文本 任务 · 混合题型

XNLI

15 种语言的自然语言推理基准,评测多语言理解能力

Facebook AI / NYU ·

考察能力

跨语言理解 自然语言推理 多语言迁移

构建信息

数据规模
112K 样本(15 语言)
评测方式
标准评测
核心指标
Accuracy

模型效果排行

🥇 GPT-4o
89.2% avg
🥈 XLM-RoBERTa-XXL
87.8% avg

为什么重要

XNLI 将 MNLI 的验证/测试集翻译为 15 种语言,是跨语言理解能力的标准评测。对多语言预训练(mBERT, XLM-R)的研究起到关键推动作用。

评测设计

每种语言包含 5K 测试样本,涵盖法、德、中、阿拉伯、印地等多种语言。支持 zero-shot 跨语言迁移评测。

多语言 NLI 跨语言 经典基准