Papers with Code · CC BY-SA 4.0

SNLI

아카이브 평가 98건 · 마지막 적재/변경 2026-10-30

평가 기록

과거 수집 기록이며 최신 순위가 아닙니다. 데이터셋 버전·split·실험 조건과 지표 방향이 검증되지 않은 결과는 직접 비교할 수 없습니다. 날짜는 논문 날짜이며 최신 평가일을 뜻하지 않습니다.

표가 화면보다 넓으면 좌우로 스크롤하여 논문과 구현 링크를 확인하세요.

원본 기록 순서 · 순위 미부여
모델	원본 지표·값	논문	구현
UnitedSynT5 (3B)	% Test Accuracy 94.7	First Train to Generate, then Generate to Train: UnitedSynT5 for Few-Shot NLI 2024-12-12	연결 없음
UnitedSynT5 (335M)	% Test Accuracy 93.5	First Train to Generate, then Generate to Train: UnitedSynT5 for Few-Shot NLI 2024-12-12	연결 없음
Neural Tree Indexers for Text Understanding	% Test Accuracy 93.1 Parameters 355	Entailment as Few-Shot Learner 2021-04-29	코드 1 · 코드 2 · 코드 3
EFL (Entailment as Few-shot Learner) + RoBERTa-large	% Test Accuracy 93.1 % Train Accuracy ? Parameters 355m	Entailment as Few-Shot Learner 2021-04-29	코드 1 · 코드 2 · 코드 3
RoBERTa-large+Self-Explaining	% Test Accuracy 92.3 Parameters 340	Self-Explaining Structures Improve NLP Models 2020-12-03	코드 1
RoBERTa-large + self-explaining layer	% Test Accuracy 92.3 % Train Accuracy ? Parameters 355m+	Self-Explaining Structures Improve NLP Models 2020-12-03	코드 1
CA-MTL	% Test Accuracy 92.1 % Train Accuracy 92.6 Parameters 340m	Conditionally Adaptive Multi-Task Learning: Improving Transfer Learning in NLP Using Fewer Parameters & Less Data 2020-09-19	코드 1
SemBERT	% Test Accuracy 91.9 % Train Accuracy 94.4 Parameters 339m	Semantics-aware BERT for Language Understanding 2019-09-05	코드 1
MT-DNN-SMARTLARGEv0	% Test Accuracy 91.7 % Dev Accuracy 92.6	SMART: Robust and Efficient Fine-Tuning for Pre-trained Natural Language Models through Principled Regularized Optimization 2019-11-08	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6
MT-DNN	% Test Accuracy 91.6 % Train Accuracy 97.2 Parameters 330m	Multi-Task Deep Neural Networks for Natural Language Understanding 2019-01-31	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7
SJRC (BERT-Large +SRL)	% Test Accuracy 91.3 % Train Accuracy 95.7 Parameters 308m	Explicit Contextual Semantics for Text Comprehension 2018-09-08	연결 없음
Ntumpha	% Test Accuracy 90.5 % Train Accuracy 99.1 Parameters 220	Multi-Task Deep Neural Networks for Natural Language Understanding 2019-01-31	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7
Densely-Connected Recurrent and Co-Attentive Network Ensemble	% Test Accuracy 90.1 % Train Accuracy 95.0 Parameters 53.3m	Semantic Sentence Matching with Densely-connected Recurrent and Co-attentive Information 2018-05-29	연결 없음
MFAE	% Test Accuracy 90.07 % Train Accuracy 93.18	What Do Questions Exactly Ask? MFAE: Duplicate Question Identification with Multi-Fusion Asking Emphasis 2020-05-07	코드 1
Fine-Tuned LM-Pretrained Transformer	% Test Accuracy 89.9 % Train Accuracy 96.6 Parameters 85m	Improving Language Understanding by Generative Pre-Training 2018-06-11	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13
300D DMAN Ensemble	% Test Accuracy 89.6 % Train Accuracy 96.1 Parameters 79m	Discourse Marker Augmented Network with Reinforcement Learning for Natural Language Inference 2019-07-23	코드 1
300D DMAN Ensemble	% Test Accuracy 89.6 % Train Accuracy 96.1 Parameters 79m	연결 없음 논문 날짜 미기재	연결 없음
150D Multiway Attention Network Ensemble	% Test Accuracy 89.4 % Train Accuracy 95.5 Parameters 58m	Multiway Attention Networks for Modeling Sentence Pairs 2018-07-01	코드 1
450D DR-BiLSTM Ensemble	% Test Accuracy 89.3 % Train Accuracy 94.8 Parameters 45m	DR-BiLSTM: Dependent Reading Bidirectional LSTM for Natural Language Inference 2018-02-15	연결 없음
300D CAFE Ensemble	% Test Accuracy 89.3 % Train Accuracy 92.5 Parameters 17.5m	Compare, Compress and Propagate: Enhancing Neural Architectures with Alignment Factorization for Natural Language Inference 2017-12-30	연결 없음
ESIM + ELMo Ensemble	% Test Accuracy 89.3 % Train Accuracy 92.1 Parameters 40m	Deep contextualized word representations 2018-02-15	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 · 코드 18 · 코드 19 · 코드 20 · 코드 21 · 코드 22 · 코드 23 · 코드 24 · 코드 25 · 코드 26 · 코드 27 · 코드 28 · 코드 29 · 코드 30 · 코드 31 · 코드 32 · 코드 33 · 코드 34 · 코드 35 · 코드 36 · 코드 37 · 코드 38 · 코드 39 · 코드 40 · 코드 41 · 코드 42 · 코드 43 · 코드 44 · 코드 45 · 코드 46
KIM Ensemble	% Test Accuracy 89.1 % Train Accuracy 93.6 Parameters 43m	Neural Natural Language Inference Models Enhanced with External Knowledge 2017-11-12	코드 1 · 코드 2
SLRC	% Test Accuracy 89.1 % Train Accuracy 89.1 Parameters 6.1m	Explicit Contextual Semantics for Text Comprehension 2018-09-08	연결 없음
RE2	% Test Accuracy 88.9 % Train Accuracy 94.0 Parameters 2.8m	Simple and Effective Text Matching with Richer Alignment Features 2019-08-01	코드 1 · 코드 2 · 코드 3
Densely-Connected Recurrent and Co-Attentive Network	% Test Accuracy 88.9 % Train Accuracy 93.1 Parameters 6.7m	Semantic Sentence Matching with Densely-connected Recurrent and Co-attentive Information 2018-05-29	연결 없음
DEIM	% Test Accuracy 88.9 % Train Accuracy 92.6 Parameters 22m	DEIM: An effective deep encoding and interaction model for sentence matching 2022-03-20	연결 없음
448D Densely Interactive Inference Network (DIIN, code) Ensemble	% Test Accuracy 88.9 % Train Accuracy 92.3 Parameters 17m	Natural Language Inference over Interaction Space 2017-09-13	코드 1 · 코드 2
300D DMAN	% Test Accuracy 88.8 % Train Accuracy 95.4 Parameters 9.2m	Discourse Marker Augmented Network with Reinforcement Learning for Natural Language Inference 2019-07-23	코드 1
300D DMAN	% Test Accuracy 88.8 % Train Accuracy 95.4 Parameters 9.2m	연결 없음 논문 날짜 미기재	연결 없음
BiMPM Ensemble	% Test Accuracy 88.8 % Train Accuracy 93.2 Parameters 6.4m	Bilateral Multi-Perspective Matching for Natural Language Sentences 2017-02-13	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10