OpenCompass
上海人工智能实验室推出的大模型开放评测体系
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。
数据统计
相关导航
SuperCLUE
中文通用大模型综合性测评基准
FlagEval
智源研究院推出的FlagEval（天秤）大模型评测平台
CMMLU
一个综合性的大模型中文评估基准
Chatbot Arena
以众包方式进行匿名随机对战的LLM基准平台
Open LLM Leaderboard
Hugging Face推出的开源大模型排行榜单
MMBench
全方位的多模态大模型能力评测体系
HELM
斯坦福大学推出的大模型评测体系
暂无评论...