FlagEval

AGI-Eval

AI大模型评测社区

50

LLMEval3

由复旦大学NLP实验室推出的大模型评测基准

20

H2O EvalGPT

H2O.ai推出的基于Elo评级方法的大模型评估系统

30

PubMedQA

生物医学研究问答数据集和模型得分排行榜

30

Chatbot Arena

以众包方式进行匿名随机对战的LLM基准平台

20

MMBench

全方位的多模态大模型能力评测体系

50

OpenCompass

上海人工智能实验室推出的大模型开放评测体系

40

C-Eval

一个全面的中文基础模型评估套件

30

MMLU

大规模多任务语言理解基准

40