斯坦福大学推出的大模型评测体系
由复旦大学NLP实验室推出的大模型评测基准
大规模多任务语言理解基准
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
全方位的多模态大模型能力评测体系
生物医学研究问答数据集和模型得分排行榜
