H2O.ai推出的基于Elo评级方法的大模型评估系统
由复旦大学NLP实验室推出的大模型评测基准
AI大模型评测社区
大规模多任务语言理解基准
一个全面的中文基础模型评估套件
智源研究院推出的FlagEval（天秤）大模型评测平台
生物医学研究问答数据集和模型得分排行榜
