OpenCompass

CMMLU官網(wǎng)入口網(wǎng)址，CMMLU是一個(gè)綜合性的中文評(píng)估基準(zhǔn)，專門用于評(píng)估語言模型在中文語境下的知識(shí)和推理能力，涵蓋了從基礎(chǔ)學(xué)科到高級(jí)專業(yè)水平的67個(gè)主題。

PubMedQA官網(wǎng)入口網(wǎng)址，PubMedQA是一個(gè)生物醫(yī)學(xué)研究問答數(shù)據(jù)集，包含了1K專家標(biāo)注，61.2K 個(gè)未標(biāo)注和 211.3K 個(gè)人工生成的QA實(shí)例，該排行榜目前已收錄18個(gè)模型的醫(yī)學(xué)測(cè)試得分。

LLMEval3官網(wǎng)入口網(wǎng)址，LLMEval是由復(fù)旦大學(xué)NLP實(shí)驗(yàn)室推出的大模型評(píng)測(cè)基準(zhǔn)，最新的LLMEval-3聚焦于專業(yè)知識(shí)能力評(píng)測(cè)，涵蓋哲學(xué)、經(jīng)濟(jì)學(xué)、法學(xué)、教育學(xué)、文學(xué)、歷史學(xué)、理學(xué)、工學(xué)、農(nóng)學(xué)、醫(yī)學(xué)、軍事學(xué)、管理學(xué)、藝術(shù)學(xué)等教育部劃定的13個(gè)學(xué)科門類、50余個(gè)二級(jí)學(xué)科，共計(jì)約20W道標(biāo)準(zhǔn)生成式問答題目。

H2O EvalGPT官網(wǎng)入口網(wǎng)址，H2O EvalGPT 是 H2O.ai 用于評(píng)估和比較 LLM 大模型的開放工具，它提供了一個(gè)平臺(tái)來了解模型在大量任務(wù)和基準(zhǔn)測(cè)試中的性能。無論你是想使用大模型自動(dòng)化工作流程或任務(wù)，H2O EvalGPT 都可以提供流行、開源、高性能大模型的詳細(xì)排行榜，幫助你為項(xiàng)目選擇最有效的模型完成具體任務(wù)。

FlagEval官網(wǎng)入口網(wǎng)址，F(xiàn)lagEval（天秤）由智源研究院將聯(lián)合多個(gè)高校團(tuán)隊(duì)打造，是一種采用“能力—任務(wù)—指標(biāo)”三維評(píng)測(cè)框架的大模型評(píng)測(cè)平臺(tái)，旨在提供全面、細(xì)致的評(píng)測(cè)結(jié)果。

MMBench官網(wǎng)入口網(wǎng)址，MMBench是一個(gè)多模態(tài)基準(zhǔn)測(cè)試，該體系開發(fā)了一個(gè)綜合評(píng)估流程，從感知到認(rèn)知能力逐級(jí)細(xì)分評(píng)估，覆蓋20項(xiàng)細(xì)粒度能力，從互聯(lián)網(wǎng)與權(quán)威基準(zhǔn)數(shù)據(jù)集采集約3000道單項(xiàng)選擇題。打破常規(guī)一問一答基于規(guī)則匹配提取選項(xiàng)進(jìn)行評(píng)測(cè)，循環(huán)打亂選項(xiàng)驗(yàn)證輸出結(jié)果的一致性，基于ChatGPT精準(zhǔn)匹配模型回復(fù)至選項(xiàng)。