SuperCLUE

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。

FlagEval官網入口網址，FlagEval（天秤）由智源研究院將聯合多個高校團隊打造，是一種采用“能力—任務—指標”三維評測框架的大模型評測平臺，旨在提供全面、細致的評測結果。

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。

Open LLM Leaderboard官網入口網址，Open LLM Leaderboard 是最大的大模型和數據集社區 HuggingFace 推出的開源大模型排行榜單，基于 Eleuther AI Language Model Evaluation Harness（Eleuther AI語言模型評估框架）封裝。

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。