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。
H20.ai推出的基于Elo评级方法的大模型评估系统
Hugging Face推出的开源大模型排行榜単
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
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