AI模型评测

PubMedQA

PubMedQA

生物医学研究问答数据集和模型得分排行榜

查看详情 →
H2O EvalGPT

H2O EvalGPT

H2O.ai推出的基于Elo评级方法的大模型评估系统

查看详情 →
LLMEval3

LLMEval3

由复旦大学NLP实验室推出的大模型评测基准

查看详情 →
Chatbot Arena

Chatbot Arena

以众包方式进行匿名随机对战的LLM基准平台

查看详情 →
HELM

HELM

斯坦福大学推出的大模型评测体系

查看详情 →
MMBench

MMBench

全方位的多模态大模型能力评测体系

查看详情 →
CMMLU

CMMLU

一个综合性的大模型中文评估基准

查看详情 →
OpenCompass

OpenCompass

上海人工智能实验室推出的大模型开放评测体系

查看详情 →
AGI-Eval

AGI-Eval

AI大模型评测社区

查看详情 →
SuperCLUE

SuperCLUE

中文通用大模型综合性测评基准

查看详情 →
FlagEval

FlagEval

智源研究院推出的FlagEval（天秤）大模型评测平台

查看详情 →
C-Eval

C-Eval

一个全面的中文基础模型评估套件

查看详情 →
Open LLM Leaderboard

Open LLM Leaderboard

Hugging Face推出的开源大模型排行榜单

查看详情 →
MMLU

MMLU

大规模多任务语言理解基准

查看详情 →