CMMLU
一个综合性的大模型中文评估基准
排序
MMBench
全方位的多模态大模型能力评测体系
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
LLMEval3
由复旦大学NLP实验室推出的大模型评测基准
HELM
斯坦福大学推出的大模型评测体系
H2O EvalGPT
H2O.ai推出的基于Elo评级方法的大模型评估系统
MagicArena
字节推出的视觉生成模型对战平台
PubMedQA
生物医学研究问答数据集和模型得分排行榜
C-Eval
一个全面的中文基础模型评估套件
OpenCompass
上海人工智能实验室推出的大模型开放评测体系
SuperCLUE
中文通用大模型综合性测评基准
LMArena
AI模型评估平台
AGI-Eval
AI大模型评测社区
ZenMux
全球首个带保险赔付机制的企业级大模型聚合平台
FlagEval
智源研究院推出的FlagEval（天秤）大模型评测平台