生物医学研究问答数据集和模型得分排行榜
AI模型测评,
PubMedQA是一个生物医学研究问答数据集，包含了1K专家标注，61.2K 个未标注和 211.3K个人工生成的QA实例，该排行榜目前已收录18个模型的医学测试得分。
全方位的多模态大模型能力评测体系
一个全面的中文基础模型评估套件
阿里达摩院推出的大小模型协同的智能助手，具备作诗、绘画、视频生成、语音播放等多模态能力
智源研究院推出的FlagEval（天秤）大模型评测平台
斯坦福大学推出的大模型评测体系
中文通用大模型综合性测评基准
