LLMEval3

SuperCLUE官網入口網址，SuperCLUE 是一個中文通用大模型綜合性評測基準，從三個不同的維度評價模型的能力：基礎能力、專業能力和中文特性能力。

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。

CMMLU官網入口網址，CMMLU是一個綜合性的中文評估基準，專門用于評估語言模型在中文語境下的知識和推理能力，涵蓋了從基礎學科到高級專業水平的67個主題。

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。

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。