HELM
斯坦福大学推出的大模型评测体系
Sorting
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
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
MMBench
全方位的多模态大模型能力评测体系
Chatbot Arena
以众包方式进行匿名随机对战的LLM基准平台
CMMLU
一个综合性的大模型中文评估基准
H2O EvalGPT
H2O.ai推出的基于Elo评级方法的大模型评估系统
C-Eval
一个全面的中文基础模型评估套件
FlagEval
智源研究院推出的FlagEval（天秤）大模型评测平台
PubMedQA
生物医学研究问答数据集和模型得分排行榜