MMLU
大规模多任务语言理解基准
排序
C-Eval
一个全面的中文基础模型评估套件
FlagEval
FlagEval（天秤）大模型评测平台，由智源研究院推出
SuperCLUE
中文通用大模型综合性测评基准
AGI-Eval
AI 大模型评测社区
OpenCompass
Shanghai Artificial Intelligence Laboratory 推出的大模型开放评测体系
CMMLU
一个综合性的大语言模型中文评估基准
MMBench
一个面向多模态模型的综合性基准测试
HELM
大语言模型评测框架
LMArena
AI 模型评估平台
LLMEval3
由复旦大学 NLP 实验室推出的大型语言模型评测基准
H2O EvalGPT
H2O.ai 推出的基于 Elo 评级方法的大语言模型评估系统
PubMedQA
一个专为生物医学研究问题回答任务构建的数据集
Open LLM Leaderboard
Hugging Face 推出的开源大模型排行榜单