AI模型评测

AGI-Eval

AI大模型评测社区

MMLU

大规模多任务语言理解基准

Open LLM Leaderboard

Hugging Face推出的开源大模型排行榜单

C-Eval

一个全面的中文基础模型评估套件

FlagEval

智源研究院推出的FlagEval（天秤）大模型评测平台

SuperCLUE

中文通用大模型综合性测评基准

OpenCompass

上海人工智能实验室推出的大模型开放评测体系

CMMLU

一个综合性的大模型中文评估基准

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

Chatbot Arena

以众包方式进行匿名随机对战的LLM基准平台

LLMEval3

由复旦大学NLP实验室推出的大模型评测基准

H2O EvalGPT

H2O.ai推出的基于Elo评级方法的大模型评估系统

PubMedQA

生物医学研究问答数据集和模型得分排行榜

debug诊断信息需要在index.php文件中开启开发者模式才能查看

• AGI-Eval
• MMLU
• Open LLM Leaderboard
• C-Eval
• FlagEval
• SuperCLUE
• OpenCompass
• CMMLU
• MMBench
• HELM
debug诊断信息需要在index.php文件中开启开发者模式才能查看
• PubMedQA
• H2O EvalGPT
• LLMEval3
• Chatbot Arena
• HELM
• MMBench
• CMMLU
• OpenCompass
• SuperCLUE
• FlagEval
debug诊断信息需要在index.php文件中开启开发者模式才能查看 debug诊断信息需要在index.php文件中开启开发者模式才能查看