热门

FlagEval

1个月前更新 87 0 0

北京智源人工智能研究院推出的大模型评测体系及开放平台

收录时间：

2026-09-17

打开网站手机查看

FlagEval

FlagEval

北京智源人工智能研究院推出的大模型评测体系及开放平台

数据统计

相关导航

CMMLU

一个专门为评估语言模型在中文语境下的知识和推理能力而设计的综合性评估基准

AI Ping

一款集大模型评测、统一API调用与智能路由于一体的开发者级AI聚合平台。

AGI-Eval

一个AI大模型评测社区

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

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

H2O Eval Studio

由H2O.ai开发的一款企业级AI模型评估平台

MMBench

由OpenCompass社区开发的多模态基准测试工具