智源研究院推出的FlagEval(天秤)大模型评测平台
FlagEval(天秤)由智源研究院将联合多个高校团队打造,是一种采用“能力—任务—指标”三维评测框架的大模型评测平台,旨在提供全面、细致的评测结果。
全方位的多模态大模型能力评测体系
生物医学研究问答数据集和模型得分排行榜
上海人工智能实验室推出的大模型开放评测体系
一个全面的中文基础模型评估套件
大规模多任务语言理解基准,UC Berkeley推出
斯坦福大学推出的大模型评测体系