MMBench
全方位的多模态大模型能力评测体系
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
H2O EvalGPT
H2O.ai推出的基于Elo评级方法的大模型评估系统
MMLU
大规模多任务语言理解基准
SuperCLUE
中文通用大模型综合性测评基准
CMMLU
一个综合性的大模型中文评估基准
HELM
斯坦福大学推出的大模型评测体系
Open LLM Leaderboard
Hugging Face推出的开源大模型排行榜单
Chatbot Arena
以众包方式进行匿名随机对战的LLM基准平台
暂无评论...