C-Eval
一个全面的中文基础模型评估套件
Sorting
SuperCLUE
中文通用大模型综合性测评基准
Open LLM Leaderboard
Hugging Face推出的开源大模型排行榜单
CMMLU
一个综合性的大模型中文评估基准
PubMedQA
生物医学研究问答数据集和模型得分排行榜
OpenCompass
上海人工智能实验室推出的大模型开放评测体系
Chatbot Arena
以众包方式进行匿名随机对战的LLM基准平台
MMLU
大规模多任务语言理解基准
FlagEval
智源研究院推出的FlagEval（天秤）大模型评测平台
H2O EvalGPT
H2O.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
MMBench
全方位的多模态大模型能力评测体系
HELM
斯坦福大学推出的大模型评测体系