智源研究院推出的大模型测评平台
FlagEval(天秤)由智源研究院将联合多个高校团队打造,是一种采用“能力一任务一指标”三维评测框架的大模型评测平台,旨在提供全面、细致的评测结果。该平台已提供了30多种能力、5种任务和4大类指标,共600多个维度的全面评测,任务维度包括22个主客观评测数据集和84433道题目。
Chatbot Arena是一个大型语言...
Hugging Face推出的开源大模型排行榜
一个适用于大语言模型的多层次多学科中文评估套件
个用于评估多任务语言理解模型性能的基准测试
一个综合评估语言模型的平台
复旦大学NLP实验室推出的大模型评测基准