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：
MMBench是多模态基准，支持视觉语言。功能包括测试。使用方法：下载数据集。
数据统计
相关导航
PubMedQA
简介： PubMedQA是医疗问答基准，支持生物医学。功能包...
SuperCLUE
SuperCLUE是AI基准。
MMLU
MMLU是AI基准。
LLMEval3
LLMEval3是AI评估工具。
CMMLU
CMMLU是中文基准。
LMArena
简介： LMArena是语言模型竞技场，支持比较。功能包括投...
PubMedQA
PubMedQA是医疗基准。
暂无评论...