OpenCompass

CMMLU

一个综合性的大模型中文评估基准

40

FlagEval

智源研究院推出的FlagEval（天秤）大模型评测平台

30

AGI-Eval

AI大模型评测社区

50

MMBench

全方位的多模态大模型能力评测体系

40

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

HELM

斯坦福大学推出的大模型评测体系

30

MMLU

大规模多任务语言理解基准

40

H2O EvalGPT

H2O.ai推出的基于Elo评级方法的大模型评估系统

30