SuperCLUE
SuperCLUE是什么 SuperCLUE 是针对中文大模...
排序
H2O EvalGPT
H2O EvalGPT 是 H2O.ai 用于评估和比较 L...
AGI-Eval
AGI-Eval是什么 AGI-Eval是上海交通大学、同济...
PubMedQA
PubMedQA是什么 PubMedQA是专门用在生物医学研...
OpenCompass
OpenCompass是什么 OpenCompass是上海人...
CMMLU
CMMLU是什么 CMMLU是综合性的中文评估基准，专门用在...
MMBench
MMBench是什么 MMBench是多模态基准测试，由上海...
C-Eval
C-Eval是什么 C-Eval是适用于大语言模型的多层次多...
HELM
HELM是什么 HELM全称Holistic Evaluat...
FlagEval
FlagEval是什么 FlagEval（天秤）是北京智源人...
LMArena
LMArena是什么 LMArena是加州大学伯克利分校推出...
AI Ping
AI Ping是什么 AI Ping是专注AI大模型服务性能...
LLMEval3
LLMEval是由复旦大学NLP实验室推出的大模型评测基准...
MagicArena
MagicArena是什么 MagicArena 是字节跳动...
MMLU
MMLU 全称 Massive Multitask Lang...