OpenCompass (司南)
国内领先的开源大模型评测体系。
评估代码生成能力的基准测试。
数据统计
相关导航
AlpacaEval
评估指令遵循模型能力的自动化评估排行榜。
SuperCLUE
中文通用大模型综合性测评基准，2025 年 3 月版包含 1509 道原创新题，每 2 个月 100% 替换题库。
Chatbot Arena
基于人类偏好的匿名聊天机器人对战和排行榜，采用 Elo 评分系统。
C-Eval
全面的中文基础模型评估套件，专注中文能力评估。
Vellum Leaderboard
显示 2024 年 4 月后最新 SOTA 模型的公开基准性能，包含独立评测数据。
MMLU 排行榜
大规模多任务语言理解基准测试，衡量多学科问题性能。
Open LLM Leaderboard
Hugging Face 开放大语言模型排行榜，追踪评估领先开源模型。
暂无评论...