LLMEval3
由复旦大学NLP实验室推出的大模型评测基准
PubMedQA是一个生物医学研究问答数据集，包含了1K专家标注，61.2K个未标注和211.3K个人工生成的QA实例，该排行榜目前已收录18个模型的医学测试得分。
Relevant Navigation
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
C-Eval
一个全面的中文基础模型评估套件
Chatbot Arena
以众包方式进行匿名随机对战的LLM基准平台
FlagEval
智源研究院推出的FlagEval（天秤）大模型评测平台
Open LLM Leaderboard
Hugging 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
No comments...