C
C-Eval
一个全面的中文基础模型评估套件
● 完整介绍→
16 个一级分类 · 83 个二级分类 · 3582 个站点
AI模型测评模型
该分类下的精选 AI 工具
14 个站点
M
MMLU
大规模多任务语言理解基准
● 完整介绍→
M
MMBench
一个面向多模态模型的综合性基准测试
● 完整介绍→
S
SuperCLUE
中文通用大模型综合性测评基准
● 完整介绍→
F
FlagEval
FlagEval（天秤）大模型评测平台，由智源研究院推出
● 完整介绍→
P
PubMedQA
一个专为生物医学研究问题回答任务构建的数据集
● 完整介绍→
L
LLMEval3
由复旦大学 NLP 实验室推出的大型语言模型评测基准
● 完整介绍→
C
CMMLU
一个综合性的大语言模型中文评估基准
● 完整介绍→
L
LMArena
AI 模型评估平台
● 完整介绍→
H
H2O EvalGPT
H2O.ai 推出的基于 Elo 评级方法的大语言模型评估系统
● 完整介绍→
A
AGI-Eval
AI 大模型评测社区
● 完整介绍→
H
HELM
大语言模型评测框架
● 完整介绍→
O
Open LLM Leaderboard
Hugging Face 推出的开源大模型排行榜单
● 完整介绍→
O
OpenCompass
Shanghai Artificial Intelligence Laboratory 推出的大模型开放评测体系
● 完整介绍→