AGI-Eval

HELM

斯坦福大学推出的大模型评测体系

30

SuperCLUE

中文通用大模型综合性测评基准

30

MMLU

大规模多任务语言理解基准

30

Open LLM Leaderboard

Hugging Face推出的开源大模型排行榜单

30

CMMLU

一个综合性的大模型中文评估基准

40

H2O EvalGPT

H2O.ai推出的基于Elo评级方法的大模型评估系统

30

OpenCompass

上海人工智能实验室推出的大模型开放评测体系

30

FlagEval

智源研究院推出的FlagEval（天秤）大模型评测平台

30

PubMedQA

生物医学研究问答数据集和模型得分排行榜

30