PubMedQA生物医学研究问答数据集和模型得分排行榜- H2O EvalGPTH2O.ai推出的基于Elo评级方法的大模型评估系统
- LLMEval3由复旦大学NLP实验室推出的大模型评测基准
- Chatbot Arena以众包方式进行匿名随机对战的LLM基准平台
- HELM斯坦福大学推出的大模型评测体系
- MMBench全方位的多模态大模型能力评测体系
- CMMLU一个综合性的大模型中文评估基准
- 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
- FlagEval智源研究院推出的FlagEval（天秤）大模型评测平台
- C-Eval一个全面的中文基础模型评估套件
- Open LLM LeaderboardHugging Face推出的开源大模型排行榜单
- MMLU大规模多任务语言理解基准
