适用于大语言模型的多层次、多学科中文评估套件
专门用于评估语言模型在中文语境下的知识和推理能力
生物医学研究问答数据集和模型得分排行榜
中文通用大模型综合性评测基准
复旦大学NLP实验室推出的大模型评测基准
智源研究院推出的天秤大模型评测平台
H2O AI推出的用于评估和比较LLM大模型的开放工具