← Natural Language Inference

Papers with Code · CC BY-SA 4.0

SNLI

아카이브 평가 98건 · 마지막 적재/변경 2026-10-30

원본 데이터셋 링크 1

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
+ Unigram and bigram features	% Test Accuracy 78.2 % Train Accuracy 99.7	A large annotated corpus for learning natural language inference 2015-08-21	코드 1 · 코드 2 · 코드 3
100D LSTM encoders	% Test Accuracy 77.6 % Train Accuracy 84.8 Parameters 220k	A large annotated corpus for learning natural language inference 2015-08-21	코드 1 · 코드 2 · 코드 3
Unlexicalized features	% Test Accuracy 50.4 % Train Accuracy 49.4	A large annotated corpus for learning natural language inference 2015-08-21	코드 1 · 코드 2 · 코드 3
MT-DNN-SMART_100%ofTrainingData	Dev Accuracy 91.6	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-SMART_10%ofTrainingData	Dev Accuracy 88.7	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-SMART_1%ofTrainingData	Dev Accuracy 86	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-SMART_0.1%ofTrainingData	Dev Accuracy 82.7	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
SplitEE-S	Accuracy 79.0	SplitEE: Early Exit in Deep Neural Networks with Split Computing 2023-09-17	코드 1