← 返回全部AI模型评测14 个
PubMedQA - 生物医学研究问答数据集和模型得分排行榜
LLMEval3 - 由复旦大学NLP实验室推出的大模型评测基准
HELM - 斯坦福大学推出的大模型评测体系
H2O EvalGPT - H2O推出的基于Elo评级方法的LLM评估系统和工具
OpenCompass - 上海人工智能实验室推出的大模型开放评测体系
FlagEval - 智源研究院推出的大模型评测平台
LMArena - AI模型评估平台
SuperCLUE - 中文通用大模型综合性测评基准
CMMLU - 一个综合性的大模型中文评估基准
Open LLM Leaderboard - HuggingFace推出的开源大模型排行榜单
MMLU - 大规模多任务语言理解基准，UC Berkeley推出
C-Eval - 一个全面的中文基础模型评估套件
