分享文章
新闻分类
-
FlagEval 智源研究院推出的FlagEval（天秤）大模型评测平台
FlagEval（天秤）是北京智源人工智能研究院（BAAI）推出的科学、公正、开放的大模型评测体系及开放平台
东华田园兔
2025-08-19
-
AGI-Eval AI大模型评测社区
AGI-Eval是上海交通大学、同济大学、华东师范大学、DataWhale等高校和机构合作发布的大模型评测社
郭芸希
2025-08-19
-
SuperCLUE 中文通用大模型综合性测评基准
SuperCLUE 是针对中文大模型的综合性评测基准，能全面评估模型在多个维度上的性能表现。SuperCLU
17直播
2025-08-19
-
CMMLU 一个综合性的大模型中文评估基准
CMMLU是综合性的中文评估基准，专门用在评估语言模型在中文语境下的知识和推理能力，涵盖从基础学科到高级专业
崽下毛毛雨
2025-08-19
-
LLMEval3 由复旦大学NLP实验室推出的大模型评测基准
LLMEval是由复旦大学NLP实验室推出的大模型评测基准，最新的LLMEval-3聚焦于专业知识能力评测，
梨涡远点
2025-08-19
-
LMArena 加州大学伯克利分校推出的创新AI模型评估平台
LMArena是加州大学伯克利分校推出的创新AI模型评估平台，基于让用户对不同AI模型的回答进行匿名投票，衡
苍山泱水
2025-08-19
-
HELM 斯坦福大学推出的大模型评测体系
HELM全称Holistic Evaluation of Language Models（语言模型整体评估）
微雨云烟
2025-08-19
-
MMBench 全方位的多模态大模型能力评测体系
MMBench是多模态基准测试，由上海人工智能实验室、南洋理工大学、香港中文大学、新加坡国立大学和浙江大学的
美谷朱里
2025-08-19
-
H2O.ai推出的基于Elo评级方法的大模型评估系统
H2O EvalGPT 是 H2O.ai 用于评估和比较 LLM 大模型的开放工具，它提供了一个平台来了解模
鹅鹅
2025-08-19
-
PubMedQA 生物医学研究问答数据集和模型得分排行榜
PubMedQA是专门用在生物医学研究问题回答的数据集。PubMedQA通过文献摘要回答“是/否/可能”形式
清柔
2025-08-19
赞助链接
微信
新浪微博
