六十万江东百姓

H2O EvalGPT

H2O.ai推出的基于Elo评级方法的大模型评估系统

LLMEval3

由复旦大学NLP实验室推出的大模型评测基准

MMBench

全方位的多模态大模型能力评测体系

HELM

斯坦福大学推出的大模型评测体系

OpenCompass

上海人工智能实验室推出的大模型开放评测体系

Chatbot Arena

以众包方式进行匿名随机对战的LLM基准平台

MMLU

大规模多任务语言理解基准

C-Eval

一个全面的中文基础模型评估套件

SuperCLUE

中文通用大模型综合性测评基准

Open LLM Leaderboard

Hugging Face推出的开源大模型排行榜单

CMMLU

一个综合性的大模型中文评估基准

百宝箱Tbox

蚂蚁集团推出的一站式 AI 原生应用开发平台