复旦大学NLP实验室推出的大模型评测基准
LLMEval-3聚焦于专业知识能力评测,涵盖哲学、经济学、法学、教育学、文学、历史学、理学、工学、农学、医学、军事学、管理学、艺术学等教育部划定的13个学科门类、50余个二级学科,共计约20W道标准生成式问答题目(后续将继续收集题目将总题库扩充至100W)。
Hugging Face推出的开源大模型排行榜
用于评估和比较LLM大模型的开放工具
一个中文通用大模型综合性测评基准
一个多模态模型评估平台
个用于评估多任务语言理解模型性能的基准测试
Chatbot Arena是一个大型语言...