一个包含 70,000 个多项选择题的基准，用于评估模型的常识推理能力。
查看 HellaSwag 的最新得分、模型模式、发布时间与参数规模，快速了解当前完整榜单表现。
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
