MMBench官網入口網址，MMBench是一個多模態基準測試，該體系開發了一個綜合評估流程，從感知到認知能力逐級細分評估，覆蓋20項細粒度能力，從互聯網與權威基準數據集采集約3000道單項選擇題。打破常規一問一答基于規則匹配提取選項進行評測，循環打亂選項驗證輸出結果的一致性，基于ChatGPT精準匹配模型回復至選項。

PubMedQA官網入口網址，PubMedQA是一個生物醫學研究問答數據集，包含了1K專家標注，61.2K 個未標注和 211.3K 個人工生成的QA實例，該排行榜目前已收錄18個模型的醫學測試得分。

AGI-Eval官網入口網址，AGI-Eval是上海交通大學、同濟大學、華東師范大學、DataWhale等高校和機構合作發布的大模型評測社區，旨在打造公正、可信、科學、全面的評測生態，以“評測助力，讓AI成為人類更好的伙伴”為使命。專門設計用于評估基礎模型在人類認知和問題解決相關任務中的一般能力。

LLMEval3官網入口網址，LLMEval是由復旦大學NLP實驗室推出的大模型評測基準，最新的LLMEval-3聚焦于專業知識能力評測，涵蓋哲學、經濟學、法學、教育學、文學、歷史學、理學、工學、農學、醫學、軍事學、管理學、藝術學等教育部劃定的13個學科門類、50余個二級學科，共計約20W道標準生成式問答題目。

H2O EvalGPT官網入口網址，H2O EvalGPT 是 H2O.ai 用于評估和比較 LLM 大模型的開放工具，它提供了一個平臺來了解模型在大量任務和基準測試中的性能。無論你是想使用大模型自動化工作流程或任務，H2O EvalGPT 都可以提供流行、開源、高性能大模型的詳細排行榜，幫助你為項目選擇最有效的模型完成具體任務。

HELM官網入口網址，HELM是由斯坦福大學推出的大模型評測體系，該評測方法主要包括場景、適配、指標三個模塊，每次評測的運行都需要指定一個場景，一個適配模型的提示，以及一個或多個指標。