AI模型评测

MMLU 全称 Massive Multitask...

Open LLM Leaderboard 是最大...

C-Eval是一个适用于大语言模...

FlagEval（天秤）由智源研究...

SuperCLUE 是一个中文通用大...

OpenCompass是由上海人工智能...

CMMLU是一个综合性的中文评估...

MMBench是一个多模态基准测试...

HELM全称Holistic Evaluation...

Chatbot Arena是一个大型语言...

LLMEval是由复旦大学NLP实验...

H2O EvalGPT 是 H2O.ai 用于...

PubMedQA是一个生物医学研究...