FlagEval （天秤）大模型评测体系：一款文本分类工具，
FlagEval是一款文本分类工具，可以帮助用户快速准确地对文本进行分类。支持多种分类算法，适
86
2023-12-25
MMBench：一个多模态模型评估平台，用于评估和比较不同的
MMBench是一个多模态模型评估平台，用于评估和比较不同的多模态模型在语言理解、视觉理解和联
144
2023-12-25
CMMLU：一个用于评估中文语言模型的综合性基准，涵盖了多个
CMMLU是一个用于评估中文语言模型的综合性基准，涵盖了多个领域和任务，旨在提供对模型在中文语
157
2023-12-25
MMLU Benchmark：一个用于评估多任务语言理解模型
MMLU Benchmark是一个用于评估多任务语言理解模型性能的基准测试，提供了多个语言理解
255
2023-12-25
SuperCLUE：一个中文通用大模型综合性测评基准，包含1
SuperCLUE是一个中文通用大模型综合性测评基准，包含10项基础能力，涵盖语言理解、对话、
79
2023-12-25
HELM：Holistic Evaluation of La
HELM
Holistic Evaluation of Language Models (H
131
2023-12-25
LLMEval-3：一个专业知识能力评测系统，提供相对得分和
LLMEval-3是一个专业知识能力评测系统，提供相对得分和绝对得分排行榜，以及各学科得分排行
79
2023-12-23
C-Eval：一个适用于大语言模型的多层次多学科中文评估套件
C-Eval是一个适用于大语言模型的多层次多学科中文评估套件，可以评估模型在不同领域和任务上的
107
2023-12-23
H2O EvalGPT：H2O LLM Eval是一个用于评
H2O LLM Eval是一个用于评估和比较不同语言模型的工具。它基于Elo排名算法，根据模型
86
2023-12-23
扣子Coze：一个AI聊天机器人编辑平台，可帮助用户快速创建
Coze是一个AI聊天机器人编辑平台，可帮助用户快速创建和部署各种类型的聊天机器人，适用于客服
106
2023-12-19
