C-Eval
简介： C-Eval是中文评估基准，支持模型测试。功能包括多...
简介：
PubMedQA是医疗问答基准，支持生物医学。功能包括测试。使用方法：下载数据集。
数据统计
相关导航
LMArena
LMArena是AI竞技场。
MMBench
简介： MMBench是多模态基准，支持视觉语言。功能包括测...
LLMEval3
简介： LLMEval3是LLM评估工具，支持版本3。功能包...
C-Eval
C-Eval是中文基准。
CMMLU
CMMLU是中文基准。
MMLU
简介： MMLU是多任务语言理解基准，支持评估模型。功能包括...
FlagEval
简介： FlagEval是模型评估平台，支持多基准。功能包括...
暂无评论...