CMMLU

OpenCompass社区开发的多模态基准测试工具

H2O.ai开发的一款企业级AI模型评估平台

上海交通大学、清华大学和爱丁堡大学联合推出的中文基础模型评估套件

斯坦福大学CRFM团队开发的轻量级语言模型评估基准

用于生物医学研究问题回答的数据集

大模型服务性能评测与统一 API 调用平台

基于人类偏好评估AI聊天机器人性能的开放平台

一个AI大模型评测社区

学术圈公认的模型擂台，FlagEval一站式搞定AI模型的多语言盲测与可信认证

中文通用大模型综合性测评基准