AI模型评测

OpenCompass是由上海人工智能...

Chatbot Arena是一个大型语言...

MMLU 全称 Massive Multitask...

C-Eval是一个适用于大语言模...

SuperCLUE 是一个中文通用大...

FlagEval（天秤）由智源研究...

CMMLU是一个综合性的中文评估...

MMBench是一个多模态基准测试...

H2O EvalGPT 是 H2O.ai 用于...

PubMedQA是一个生物医学研究...

Open LLM Leaderboard 是最大...

LLMEval是由复旦大学NLP实验...

HELM全称Holistic Evaluation...