MMLU
简介： MMLU是多任务语言理解基准，支持评估模型。功能包括...
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
AGI-Eval
简介： AGI-Eval是AGI评估基准，支持人类水平测试...
Open LLM Leaderboard
Open LLM Leaderboard是AI排行榜。
LLMEval3
简介： LLMEval3是LLM评估工具，支持版本3。功能包...
OpenCompass
简介： OpenCompass是开源评估工具，支持多模型。功...
SuperCLUE
简介： SuperCLUE是中文超级基准，支持评估。功能包括...
MMBench
简介： MMBench是多模态基准，支持视觉语言。功能包括测...
C-Eval
简介： C-Eval是中文评估基准，支持模型测试。功能包括多...
暂无评论...