PubMedQA
生物医学研究问答数据集和模型得分排行榜
由复旦大学NLP实验室推出的大模型评测基准
数据统计
相关导航
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
MMLU
大规模多任务语言理解基准
C-Eva
一个全面的中文基础模型评估套件
H20 EvalGPT
H2o.ai推出的基于Elo评级方法的大模型评估系统
CMMLU
一个综合性的大模型中文评估基准
Chatbot Arena
以众包方式进行匿名随机对战的LLM基准平台
暂无评论...