中文通用大模型综合性测评基准
SuperCLUE 是一个中文通用大模型综合性评测基准,从三个不同的维度评价模型的能力:基础能力、专业能力和中文特性能力。
其中基础能力能力包括: 语义理解、对话、逻辑推理、角色模拟、代码、生成与创作等10项能力。
专业能力包括: 包括了中学、大学与专业考试,涵盖了从数学、物理、地理到社会科学等50多项能力。
中文特性能力: 针对有中文特点的任务,包括了中文成语、诗歌、文学、字形等10项多种能力。
H2O.ai推出的基于Elo评级方法的大模型评估系统
生物医学研究问答数据集和模型得分排行榜
由复旦大学NLP实验室推出的大模型评测基准
一个综合性的大模型中文评估基准
上海人工智能实验室推出的大模型开放评测体系
斯坦福大学推出的大模型评测体系
全方位的多模态大模型能力评测体系
以众包方式进行匿名随机对战的LLM基准平台