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。
全面的中文基础模型评估套件，专注中文能力评估。
数据统计
相关导航
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。
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。
Arena
基于真实用户对战投票的AI模型排行榜
FRAMES
Google 推出的 RAG 系统评测基准，824 道多跳问题，测试检索准确性和推理能力。
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。
AlpacaEval
评估指令遵循模型能力的自动化评估排行榜。
SEAL Leaderboard
Scale AI 的专家驱动评测平台，专注编程和推理能力排名。
暂无评论...