斯坦福大学推出的大模型评测体系
一个综合性的大模型中文评估基准
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
以众包方式进行匿名随机对战的LLM基准平台
大规模多任务语言理解基准
生物医学研究问答数据集和模型得分排行榜
