HELM

MMLU

大规模多任务语言理解基准

40

Chatbot Arena

以众包方式进行匿名随机对战的LLM基准平台

20

AGI-Eval

AI大模型评测社区

50

FlagEval

智源研究院推出的FlagEval（天秤）大模型评测平台

30

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

LLMEval3

由复旦大学NLP实验室推出的大模型评测基准

20

MMBench

全方位的多模态大模型能力评测体系

50

CMMLU

一个综合性的大模型中文评估基准

40