C-Eval
一个全面的中文基础模型评估套件
SuperCLUE是一个中文通用大模型综合性评测基准，从三个不同的维度评价模型的能力：基础能力、专业能力和中文特性能力。
其中基础能力能力包括: 语义理解、对话、逻辑推理、角色模拟、代码、生成与创作等10项能力。
专业能力包括:包括了中学、大学与专业考试，涵盖了从数学、物理、地理到社会科学等50多项能力。
中文特性能力:针对有中文特点的任务，包括了中文成语、诗歌、文学、字形等10项多种能力。
数据统计
相关导航
OpenCompass
上海人工智能实验室推出的大模型开放评测体系
AGI-Eval
AI大模型评测社区
HELM
斯坦福大学推出的大模型评测体系
MMLU
大规模多任务语言理解基准
CMMLU
一个综合性的大模型中文评估基准
LLMEval3
由复旦大学NLP实验室推出的大模型评测基准
PubMedQA
生物医学研究问答数据集和模型得分排行榜
暂无评论...
