大规模多任务语言理解基准

一个综合性的大模型中文评估基准

斯坦福大学推出的大模型评测体系

H2O.ai推出的基于Elo评级方法的大模型评估系统

生物医学研究问答数据集和模型得分排行榜

上海人工智能实验室推出的大模型开放评测体系

全方位的多模态大模型能力评测体系

由复旦大学NLP实验室推出的大模型评测基准

Hugging Face推出的开源大模型排行榜单

一个全面的中文基础模型评估套件

中文通用大模型综合性测评基准

智源研究院推出的FlagEval（天秤）大模型评测平台

AI大模型评测社区

以众包方式进行匿名随机对战的LLM基准平台