MMLU

OpenCompass社区开发的多模态基准测试工具

H2O.ai开发的一款企业级AI模型评估平台

上海交通大学、清华大学和爱丁堡大学联合推出的中文基础模型评估套件

斯坦福大学CRFM团队开发的轻量级语言模型评估基准

专为评估语言模型在中文语境下的知识和推理能力而设计的综合性评估基准

用于生物医学研究问题回答的数据集

大模型服务性能评测与统一 API 调用平台

基于人类偏好评估AI聊天机器人性能的开放平台

一个AI大模型评测社区

学术圈公认的模型擂台，FlagEval一站式搞定AI模型的多语言盲测与可信认证