PubMedQApubmedqa.github.io
生物医学研究问答数据集和模型得分排行榜
AI模型评测
H2O EvalGPTh2o.ai
H2O.ai推出的基于Elo评级方法的大模型评估系统
LLMEval3github.com
由复旦大学NLP实验室推出的大模型评测基准
Chatbot Arenalmarena.ai
以众包方式进行匿名随机对战的LLM基准平台
HELMcrfm.stanford.edu
HELM全称Holistic Evaluation...
MMBenchmmbench.opencompass.org.cn
全方位的多模态大模型能力评测体系
CMMLUgithub.com
一个综合性的大模型中文评估基准
司南OpenCompassrank.opencompass.org.cn
上海人工智能实验室推出的大模型开放评测体系
AGI-Evalagi-eval.cn
AI大模型评测社区
SuperCLUEcluebenchmarks.com
中文通用大模型综合性测评基准
FlagEvalflageval.baai.ac.cn
智源研究院推出的FlagEval（天秤）大模型评测平台
C-Evalcevalbenchmark.com
一个全面的中文基础模型评估套件
Open LLM Leaderboardhuggingface.co
Hugging Face推出的开源大模型排行榜单
MMLUpaperswithcode.com
大规模多任务语言理解基准