MMLU
大规模多任务语言理解基准…
H2OEvalGPT
H2O.ai推出的基于Elo评…
LLMEval3
由复旦大学NLP实验室推出的大…
ChatbotArena
以众包方式进行匿名随机对战的L…
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…
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…
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FlagEva…
C-Eval
一个全面的中文基础模型评估套件…