大规模多任务语言理解基准
斯坦福大学推出的大模型评测体系
一个综合性的大模型中文评估基准
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
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
