PubMedQA
生物医学研究问答数据集和模型得分排行榜
FlagEval（天秤）由智源研究院将联合多个高校团队打造，是一种采用“能力—任务—指标”三维评测框架的大模型评测平台，旨在提供全面、细致的评测结果。
数据统计
相关导航
SuperCLUE
中文通用大模型综合性评测基准
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
MMLU
大规模多任务语言理解基准，UC Berkeley推出
CMMLU
一个综合性的大模型中文评估基准
C-Eval
一个适用于大语言模型的多层次多学科中文评估套件
OpenCompass
上海人工智能实验室推出的大模型开放评测体系
暂无评论...
