AGI-Eval
AGI-Eval是AGI评估工具。
排序
OpenCompass
OpenCompass是AI评估平台。
Open LLM Leaderboard
Open LLM Leaderboard是AI排行榜。
CMMLU
CMMLU是中文基准。
MMBench
MMBench是多模态基准。
H2O EvalGPT
H2O EvalGPT是AI工具。
SuperCLUE
SuperCLUE是AI基准。
LMArena
LMArena是AI竞技场。
C-Eval
C-Eval是中文基准。
PubMedQA
PubMedQA是医疗基准。
MMLU
MMLU是AI基准。
LLMEval3
LLMEval3是AI评估工具。
HELM
HELM是AI评估框架。
FlagEval
FlagEval是AI评估工具。
CMMLU
简介： CMMLU是中文MMLU，支持评估。功能包括知识。使...
Open LLM Leaderboard
简介： Open LLM Leaderboard是开源模型排...
C-Eval
简介： C-Eval是中文评估基准，支持模型测试。功能包括多...
FlagEval
简介： FlagEval是模型评估平台，支持多基准。功能包括...
SuperCLUE
简介： SuperCLUE是中文超级基准，支持评估。功能包括...
AGI-Eval
简介： AGI-Eval是AGI评估基准，支持人类水平测试...
OpenCompass
简介： OpenCompass是开源评估工具，支持多模型。功...
LLMEval3
简介： LLMEval3是LLM评估工具，支持版本3。功能包...
MMBench
简介： MMBench是多模态基准，支持视觉语言。功能包括测...
HELM
简介： HELM是整体语言模型评估，支持多指标。功能包括公平...
LMArena
简介： LMArena是语言模型竞技场，支持比较。功能包括投...
MMLU
简介： MMLU是多任务语言理解基准，支持评估模型。功能包括...
PubMedQA
简介： PubMedQA是医疗问答基准，支持生物医学。功能包...
H2O EvalGPT
简介： H2O EvalGPT是GPT评估工具，支持水印。功...