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。
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。
数据统计
相关导航
SEAL Leaderboard
Scale AI 的专家驱动评测平台，专注编程和推理能力排名。
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。
Aider Leaderboard
专注代码编辑能力的 LLM 排行榜，评估模型在实际编程任务中的表现。
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。
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。
SuperGLUE
更具挑战性的通用语言理解评估基准。
Artificial Analysis
对比 100+ AI 模型的智能、价格、性能、速度和上下文窗口等关键指标。
暂无评论...