OpenCompass是由上海人工智能实验室(上海AI实验室)于2023年8月正式推出的大模型开放评测体系,通过完整开源可复现的评测框架,支持大语言模型、多模态模型各类模型的一站式评测,并定期公布评测结果榜单。
PubMedQA是一个生物医学研究问答数
H2O EvalGPT 是 H2O.ai
Chatbot Arena是一个大型语言
LLMEval是由复旦大学NLP实验室推
MMBench是一个多模态基准测试,由上
HELM全称Holistic Evalu
OpenCompass是由上海人工智能实
CMMLU是一个综合性的中文评估基准,专