工具介绍
关于 PubMedQA 的定位、能力与适用场景
PubMedQA是一个生物医学研究问答数据集,包含了1K专家标注,61.2K 个未标注和 211.3K 个人工生成的QA实例,该排行榜目前已收录18个模型的医学测试得分。

官网首页截图/收录于 2025/05/03
关于 PubMedQA 的定位、能力与适用场景
PubMedQA是一个生物医学研究问答数据集,包含了1K专家标注,61.2K 个未标注和 211.3K 个人工生成的QA实例,该排行榜目前已收录18个模型的医学测试得分。
收录不代表推荐,请结合自己的工作流与预算做最终判断。
Same category
H2O.ai推出的基于Elo评级方法的大模型评估系统
由复旦大学NLP实验室推出的大模型评测基准
以众包方式进行匿名随机对战的LLM基准平台
HELM全称Holistic Evaluation...
全方位的多模态大模型能力评测体系
一个综合性的大模型中文评估基准
上海人工智能实验室推出的大模型开放评测体系
AI大模型评测社区