MMBench
简介： MMBench是多模态基准，支持视觉语言。功能包括测...
简介：
MMLU是多任务语言理解基准，支持评估模型。功能包括测试。使用方法：运行基准。
数据统计
相关导航
OpenCompass
简介： OpenCompass是开源评估工具，支持多模型。功...
FlagEval
FlagEval是AI评估工具。
LMArena
LMArena是AI竞技场。
PubMedQA
简介： PubMedQA是医疗问答基准，支持生物医学。功能包...
LLMEval3
LLMEval3是AI评估工具。
H2O EvalGPT
简介： H2O EvalGPT是GPT评估工具，支持水印。功...
AGI-Eval
AGI-Eval是AGI评估工具。
暂无评论...