生物医学研究问答数据集和模型得分排行榜
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。
HELM全称Holistic Evaluation...
上海人工智能实验室推出的大模型开放评测体系
智源研究院推出的FlagEval(天秤)大模型评测平台
一个全面的中文基础模型评估套件
中文通用大模型综合性测评基准
Hugging Face推出的开源大模型排行榜单