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
中文通用大模型综合性测评基准
斯坦福大学推出的大模型评测体系
由复旦大学NLP实验室推出的大模型评测基准
H20.ai推出的基于Elo评级方法的大模型评估系统
大规模多任务语言理解基准
