OpenCompass
上海人工智能实验室推出的大模型开放评测体系
C-Eval是一个适用于大语言模型的多层次多学科中文评估套件，由上海交通大学、清华大学和爱丁堡大学研究人员在2023年5月份联合推出，包含了13948个多项选择题，涵盖了52个不同的学科和四个难度级别，用以评测大模型中文理解能力。
Relevant Navigation
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
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
MMBench
全方位的多模态大模型能力评测体系
LLMEval3
由复旦大学NLP实验室推出的大模型评测基准
No comments...