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...
AI大模型评测社区
一个全面的中文基础模型评估套件
以众包方式进行匿名随机对战的LLM基准平台
中文通用大模型综合性测评基准
智源研究院推出的FlagEval(天秤)大模型评测平台