HELM

生物医学研究问答数据集和模型得分排行榜

大规模多任务语言理解基准

一个综合性的大模型中文评估基准

H2O.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单

一个全面的中文基础模型评估套件

上海人工智能实验室推出的大模型开放评测体系

以众包方式进行匿名随机对战的LLM基准平台