大规模多任务语言理解基准
以众包方式进行匿名随机对战的LLM基准平台
中文通用大模型综合性测评基准
上海人工智能实验室推出的大模型开放评测体系
AI大模型评测社区
生物医学研究问答数据集和模型得分排行榜
斯坦福大学推出的大模型评测体系
