智源研究院推出的FlagEval(天秤)大模型评测平台
生物医学研究问答数据集和模型得分排行榜
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
一个全面的中文基础模型评估套件
Hugging Face推出的开源大模型排行榜单
一个综合性的大模型中文评估基准