生物医学研究问答数据集和模型得分排行榜
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
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
上海人工智能实验室推出的大模型开放评测体系
以众包方式进行匿名随机对战的LLM基准平台