H2O Eval Studio
用于LLM、RAG和智能体的测试与评估平台
排序
LLMEval3
由复旦大学NLP实验室推出的大模型评测基准
LMArena
AI模型评估平台
CMMLU
一个综合性的大模型中文评估基准
AGI-Eval
AI大模型评测社区
SuperCLUE
中文通用大模型综合性测评基准
Open LLM Leaderboard
Hugging Face推出的开源大模型排行榜单
MMLU
大规模多任务语言理解基准
MagicArena
字节推出的视觉生成模型对战平台
C-Eval
一个全面的中文基础模型评估套件
PubMedQA
生物医学研究问答数据集和模型得分排行榜
HELM
斯坦福大学推出的大模型评测体系
MMBench
全方位的多模态大模型能力评测体系
OpenCompass
上海人工智能实验室推出的大模型开放评测体系
FlagEval
智源研究院推出的FlagEval（天秤）大模型评测平台