AI模型评测

Open LLM Leaderboard
Open LLM Leaderboard

Hugging Face推出的开源大模型排行榜单
MMLU
MMLU

大规模多任务语言理解基准
SuperCLUE
SuperCLUE

中文通用大模型综合性测评基准
H2O EvalGPT
H2O EvalGPT

H2O.ai推出的基于Elo评级方法的大模型评估系统
PubMedQA
PubMedQA

生物医学研究问答数据集和模型得分排行榜
FlagEval
FlagEval

智源研究院推出的FlagEval（天秤）大模型评测平台
LLMEval3
LLMEval3

由复旦大学NLP实验室推出的大模型评测基准
C-Eval
C-Eval

一个全面的中文基础模型评估套件
CMMLU
CMMLU

一个综合性的大模型中文评估基准
OpenCompass
OpenCompass

上海人工智能实验室推出的大模型开放评测体系
HELM
HELM

斯坦福大学推出的大模型评测体系
MMBench
MMBench

全方位的多模态大模型能力评测体系
Chatbot Arena
Chatbot Arena

以众包方式进行匿名随机对战的LLM基准平台
一站式 AI 智能体平台|AI + RPA 全链路自动化运营平台。一部手机控制多台电脑干活，每日更新和添加最新AI工具，帮助你加入人工智能浪潮，自动化高效完成任务！ Ctrl + D 或 ⌘ + D 收藏本站到浏览器书签栏。客服电话：15311070786【微信；853333591】

一站式 AI 智能体平台 关于我们 免责声明

Copyright © 一站式 AI 智能体平台  冀ICP备2020022859号-11  公网安备 12349889号