PubMedQA
PubMedQA是医疗基准。
排序
H2O EvalGPT
H2O EvalGPT是AI工具。
LLMEval3
LLMEval3是AI评估工具。
LMArena
LMArena是AI竞技场。
HELM
HELM是AI评估框架。
MMBench
MMBench是多模态基准。
CMMLU
CMMLU是中文基准。
OpenCompass
OpenCompass是AI评估平台。
AGI-Eval
AGI-Eval是AGI评估工具。
SuperCLUE
SuperCLUE是AI基准。
FlagEval
FlagEval是AI评估工具。
C-Eval
C-Eval是中文基准。
Open LLM Leaderboard
Open LLM Leaderboard是AI排行榜。
MMLU
MMLU是AI基准。
PubMedQA
简介： PubMedQA是医疗问答基准，支持生物医学。功能包...
H2O EvalGPT
简介： H2O EvalGPT是GPT评估工具，支持水印。功...
LLMEval3
简介： LLMEval3是LLM评估工具，支持版本3。功能包...
LMArena
简介： LMArena是语言模型竞技场，支持比较。功能包括投...
HELM
简介： HELM是整体语言模型评估，支持多指标。功能包括公平...
MMBench
简介： MMBench是多模态基准，支持视觉语言。功能包括测...
CMMLU
简介： CMMLU是中文MMLU，支持评估。功能包括知识。使...
OpenCompass
简介： OpenCompass是开源评估工具，支持多模型。功...
AGI-Eval
简介： AGI-Eval是AGI评估基准，支持人类水平测试...
SuperCLUE
简介： SuperCLUE是中文超级基准，支持评估。功能包括...
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...
MMLU
简介： MMLU是多任务语言理解基准，支持评估模型。功能包括...