LMArena
简介： LMArena是语言模型竞技场，支持比较。功能包括投...
简介：
HELM是整体语言模型评估，支持多指标。功能包括公平性。使用方法：运行框架。
数据统计
相关导航
FlagEval
简介： FlagEval是模型评估平台，支持多基准。功能包括...
C-Eval
简介： C-Eval是中文评估基准，支持模型测试。功能包括多...
Open LLM Leaderboard
简介： Open LLM Leaderboard是开源模型排...
PubMedQA
简介： PubMedQA是医疗问答基准，支持生物医学。功能包...
PubMedQA
PubMedQA是医疗基准。
LMArena
LMArena是AI竞技场。
OpenCompass
OpenCompass是AI评估平台。
暂无评论...