FlagEval
智源研究院推出的FlagEval（天秤）大模型评测平台
LLMEval是由复旦大学NLP实验室推出的大模型评测基准，最新的LLMEval-3聚焦于专业知识能力评测，涵盖哲学、经济学、法学、教育学、文学、历史学、理学、工学、农学、医学、军事学、管理学、艺术学等教育部划定的13个学科门类、50余个二级学科，共计约20W道标准生成式问答题目。
数据统计
相关导航
CMMLU
一个综合性的大模型中文评估基准
MMLU
大规模多任务语言理解基准
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
PubMedQA
生物医学研究问答数据集和模型得分排行榜
H2O EvalGPT
H2O.ai推出的基于Elo评级方法的大模型评估系统
OpenCompass
上海人工智能实验室推出的大模型开放评测体系
暂无评论...
