以众包方式进行匿名随机对战的LLM基准平台
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
斯坦福大学推出的大模型评测体系
一个全面的中文基础模型评估套件
大规模多任务语言理解基准
由复旦大学NLP实验室推出的大模型评测基准