![AGI-Eval]()
AGI-Eval
AGI-Eval是什么AGI-Eval是上海交通大学、同济大学、华东师范大学、DataWhale等高校和机构合作发布的大...![PubMedQA]()
PubMedQA
PubMedQA是什么PubMedQA是专门用在生物医学研究问题回答的数据集。PubMedQA通过文献摘要回答“是/否/...![LLMEval3]()
LLMEval3
LLMEval是由复旦大学NLP实验室推出的大模型评测基准，最新的LLMEval-3聚焦于专业知识能力评测，涵盖哲学、经...![HELM]()
HELM
HELM是什么HELM全称Holistic Evaluation of Language Models（语言模型整体评估...![H2O EvalGPT]()
H2O EvalGPT
H2O EvalGPT 是 H2O.ai 用于评估和比较 LLM 大模型的开放工具，它提供了一个平台来了解模型在大量任务...![MMBench]()
MMBench
MMBench是什么MMBench是多模态基准测试，由上海人工智能实验室、南洋理工大学、香港中文大学、新加坡国立大学和浙...![OpenCompass]()
OpenCompass
OpenCompass是什么OpenCompass是上海人工智能实验室（上海AI实验室）于2023年8月正式推出的大模型...![FlagEval]()
FlagEval
FlagEval是什么FlagEval（天秤）是北京智源人工智能研究院（BAAI）推出的科学、公正、开放的大模型评测体系...![SuperCLUE]()
SuperCLUE
SuperCLUE是什么SuperCLUE 是针对中文大模型的综合性评测基准，能全面评估模型在多个维度上的性能表现。Su...![CMMLU]()
CMMLU
CMMLU是什么CMMLU是综合性的中文评估基准，专门用在评估语言模型在中文语境下的知识和推理能力，涵盖从基础学科到高级...![Open LLM Leaderboard]()
Open LLM Leaderboard
Open LLM Leaderboard是什么Open LLM Leaderboard 是最大的大模型和数据集社区 Hu...![MMLU]()
MMLU
MMLU 全称 Massive Multitask Language Understanding，是一种针对大模型的语言...![C-Eval]()
C-Eval
C-Eval是什么C-Eval是适用于大语言模型的多层次多学科中文评估套件，由上海交通大学、清华大学和爱丁堡大学研究人员...
