MagicArena
字节推出的视觉生成模型对战平台
MMLU
大规模多任务语言理解基准
C-Eval
一个全面的中文基础模型评估套件
FlagEval
智源研究院推出的FlagEval(天秤)大模型评测平台
SuperCLUE
中文通用大模型综合性测评基准
AGI
AI大模型评测社区
OpenCompass
上海人工智能实验室推出的大模型开放评测体系
CMMLU
一个综合性的大模型中文评估基准
MMBench
全方位的多模态大模型能力评测体系
HELM
斯坦福大学推出的大模型评测体系
LMArena
AI模型评估平台
LLMEval3
由复旦大学NLP实验室推出的大模型评测基准