zhuchunguang

C-Eval

C-Eval是什么 C-Eval是适用于大语言模型的多层次多...

FlagEval

FlagEval是什么 FlagEval（天秤）是北京智源人...

AI Ping

AI Ping是什么 AI Ping是专注AI大模型服务性能...

SuperCLUE

SuperCLUE是什么 SuperCLUE 是针对中文大模...

AGI-Eval

AGI-Eval是什么 AGI-Eval是上海交通大学、同济...

OpenCompass

OpenCompass是什么 OpenCompass是上海人...

CMMLU

CMMLU是什么 CMMLU是综合性的中文评估基准，专门用在...

MMBench

MMBench是什么 MMBench是多模态基准测试，由上海...

HELM

HELM是什么 HELM全称Holistic Evaluat...

LLMEval3

LLMEval是由复旦大学NLP实验室推出的大模型评测基准...

H2O EvalGPT

H2O EvalGPT 是 H2O.ai 用于评估和比较 L...

PubMedQA

PubMedQA是什么 PubMedQA是专门用在生物医学研...