OpenCompass
简介： OpenCompass是开源评估工具，支持多模型。功...
简介：
CMMLU是中文MMLU，支持评估。功能包括知识。使用方法：运行基准。
数据统计
相关导航
HELM
简介： HELM是整体语言模型评估，支持多指标。功能包括公平...
PubMedQA
PubMedQA是医疗基准。
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...
MMLU
MMLU是AI基准。
AGI-Eval
AGI-Eval是AGI评估工具。
C-Eval
C-Eval是中文基准。
暂无评论...