HELM
斯坦福大学推出的大模型评测体系
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。
数据统计
相关导航
Open LLM Leaderboard
Hugging Face推出的开源大模型排行榜单
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
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
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
暂无评论...