H2O EvalGPT

SuperCLUE

中文通用大模型综合性测评基准

40

OpenCompass

上海人工智能实验室推出的大模型开放评测体系

40

PubMedQA

生物医学研究问答数据集和模型得分排行榜

40

MMLU

大规模多任务语言理解基准

40

Open LLM Leaderboard

Hugging Face推出的开源大模型排行榜单

40

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

50

Chatbot Arena

以众包方式进行匿名随机对战的LLM基准平台

30

C-Eval

一个全面的中文基础模型评估套件

40