LiveBench
2025 最新！防污染的动态评测平台，每月更新题库，覆盖数学、编程、推理等 6 大类 960 题。
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。
数据统计
相关导航
HumanEval 排行榜
评估代码生成能力的基准测试。
SEAL Leaderboard
Scale AI 的专家驱动评测平台，专注编程和推理能力排名。
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。
AIME 2025
2025 美国数学竞赛邀请赛，专门测试大模型的高级数学推理能力。
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。
Arena
基于真实用户对战投票的AI模型排行榜
Stanford HELM
斯坦福大语言模型整体评估框架，多场景多指标全面评估。
暂无评论...