iowen

PubMedQA

生物医学研究问答数据集和模型得分排行榜

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

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

AGI-Eval

AI大模型评测社区

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