PubMedQA是一个生物医学研究...
H2O EvalGPT 是 H2O.ai 用于...
LLMEval是由复旦大学NLP实验...
Chatbot Arena是一个大型语言...
HELM全称Holistic Evaluation...
MMBench是一个多模态基准测试...
CMMLU是一个综合性的中文评估...
OpenCompass是由上海人工智能...
SuperCLUE 是一个中文通用大...
FlagEval（天秤）由智源研究...
C-Eval是一个适用于大语言模...
Open LLM Leaderboard 是最大...
MMLU 全称 Massive Multitask...
