HELM
简介： HELM是整体语言模型评估，支持多指标。功能包括公平...
简介：
AGI-Eval是AGI评估基准，支持人类水平测试。功能包括推理。使用方法：运行测试。
数据统计
相关导航
Open LLM Leaderboard
简介： Open LLM Leaderboard是开源模型排...
MMBench
简介： MMBench是多模态基准，支持视觉语言。功能包括测...
LLMEval3
简介： LLMEval3是LLM评估工具，支持版本3。功能包...
PubMedQA
PubMedQA是医疗基准。
MMLU
MMLU是AI基准。
H2O EvalGPT
简介： H2O EvalGPT是GPT评估工具，支持水印。功...
HELM
HELM是AI评估框架。
暂无评论...