FlagEval
简介： FlagEval是模型评估平台，支持多基准。功能包括...
简介：
LMArena是语言模型竞技场，支持比较。功能包括投票。使用方法：访问arena。
数据统计
相关导航
MMLU
简介： MMLU是多任务语言理解基准，支持评估模型。功能包括...
CMMLU
CMMLU是中文基准。
SuperCLUE
SuperCLUE是AI基准。
LMArena
简介： LMArena是语言模型竞技场，支持比较。功能包括投...
MMBench
简介： MMBench是多模态基准，支持视觉语言。功能包括测...
OpenCompass
OpenCompass是AI评估平台。
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...