LiveBench是一個專為大型語言模型（LLMs）設計的基準測試平臺，旨在解決測試集污染和客觀評估的問題。該平臺通過提供一個公正、無污染的環(huán)境來評估模型性能，支持用戶通過GitHub問題或電子郵件方式提交模型進行評測。LiveBench涵蓋了多個維度的評估指標，包括全球平均分、推理平均分、編碼平均分、數(shù)學平均分、數(shù)據(jù)分析平均分、語言平均分和綜合因子平均分，為模型開發(fā)者提供了一個全面評估其模型能力的工具，LiveBench大語言模型基準測試平臺官網(wǎng)入口網(wǎng)址

LYi 林哥的大模型野榜：一個更適合中國寶寶體質(zhì)的大模型產(chǎn)品排行榜，LYi 林哥的大模型野榜官網(wǎng)入口網(wǎng)址

LMSYS Org，由加州大學伯克利分校、加州大學圣地亞哥分校和卡內(nèi)基梅隆大學合作創(chuàng)立的研究組織。該機構推出 Chatbot Arena，是一個針對大型語言模型（LLM） 的基準平臺，以眾包方式匿名、隨機對抗測評大模型產(chǎn)品，其評級基于國際象棋等競技游戲中廣泛使用的 Elo 評分系統(tǒng)。評分結果通過用戶投票產(chǎn)生，系統(tǒng)每次會隨機選擇兩個不同的大模型機器人和用戶聊天，并讓用戶在匿名的情況下選擇哪款大模型產(chǎn)品的表現(xiàn)更好一些，整體而言相對公正，LMSYS-AI大模型競技場-排行榜官網(wǎng)入口網(wǎng)址

OpenCompss是一個面向大模型的開源方和使用者， 提供開源、高效、全面的大模型評測開放平臺。網(wǎng)站包含大模型評測榜單，數(shù)據(jù)集社區(qū)，文檔等專區(qū)。榜單專區(qū)包含大語言模型以及多模態(tài)大模型榜單，提供多能力維度的評分參考。數(shù)據(jù)集社區(qū)致力于打造創(chuàng)新性的基準測試資源專區(qū)，提供豐富的評測數(shù)據(jù)集信息。其中，Compass Arena 致力于一個完全基于用戶真實反饋的公正、開放、透明的榜單。用戶根據(jù)與大模型的真實對話體驗進行投票，經(jīng)過數(shù)據(jù)清洗和過濾后，我們利用Bradley-Terry模型估計了模型的競技場Elo等級分數(shù)，并使用該分數(shù)對大模型進行排名，OpenCompass司南-AI大模型競技場-排行榜官網(wǎng)入口網(wǎng)址

瑯琊榜，由SuperCLUE團隊開發(fā)，是一個專門針對中文大模型的匿名對戰(zhàn)競技場。該平臺采用匿名、公平的對決形式，通過用戶投票來評估模型的表現(xiàn)，并最終生成一個中文大模型排行榜。SuperCLUE官方表示，搭建瑯琊榜旨在為中文通用大模型提供一個公平、公正、開放的對抗競技平臺，瑯琊榜-中文AI大模型競技場-排行榜官網(wǎng)入口網(wǎng)址