大规模多任务语言理解基准
一个全面的中文基础模型评估套件
以众包方式进行匿名随机对战的LLM基准平台
上海人工智能实验室推出的大模型开放评测体系
智源研究院推出的FlagEval（天秤）大模型评测平台
中文通用大模型综合性测评基准
H2O.ai推出的基于Elo评级方法的大模型评估系统
