热门

MMLU

1个月前更新 56 0 0

一个用于评估语言模型在多任务、多领域知识推理和理解能力的基准测试工具

收录时间：

2026-09-17

打开网站手机查看

MMLU

MMLU

一个用于评估语言模型在多任务、多领域知识推理和理解能力的基准测试工具

数据统计

相关导航

AGI-Eval

一个AI大模型评测社区

H2O Eval Studio

由H2O.ai开发的一款企业级AI模型评估平台

Chatbot Arena

是一个基于人类偏好评估AI聊天机器人性能的开放平台

Helm Lite

斯坦福大学CRFM团队开发的一个轻量级语言模型评估基准

PubMedQA

一个用于生物医学研究问题回答的数据集

SuperCLUE

中文通用大模型综合性测评基准

Open LLM Leaderboard

一个由Hugging Face提供的开源大语言模型（LLMs）和聊天机器人性能评测平台

C-Eval

一个由上海交通大学、清华大学和爱丁堡大学联合推出的中文基础模型评估套件