综合性中文大模型评估基准

斯坦福大学发布大型模型评估体系。

多任务语言理解基准，全面评估AI语言处理能力。

综合性中文大模型测评基准分析

开源大模型排行榜单由Hugging Face发布

上海人工智能实验室发布大模型开放评测体系。

全面评估中文基础模型的套件，提供专业评测服务。

匿名随机对战的众包LLM基准平台

复旦大学NLP实验室推出的大模型评测基准。

生物医学研究问答数据集与模型得分排名

多模态大模型能力评估体系全面解析

智源研究院发布天秤大模型评测平台FlagEval。

H2O.ai发布Elo评分法大模型评估系统。