Chatbot Arena

OpenCompass

上海人工智能实验室推出的大模型开放评测体系

40

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

40

MMLU

大规模多任务语言理解基准

40

SuperCLUE

中文通用大模型综合性测评基准

40

MMBench

全方位的多模态大模型能力评测体系

50

HELM

斯坦福大学推出的大模型评测体系

40

C-Eval

一个全面的中文基础模型评估套件

40

H2O EvalGPT

H2O.ai推出的基于Elo评级方法的大模型评估系统

30