大规模多任务语言理解基准
一个全面的中文基础模型评估套件
斯坦福大学推出的大模型评测体系
大规模多任务语言理解基准
一个全面的中文基础模型评估套件
大规模多任务语言理解基准
斯坦福大学推出的大模型评测体系
基于Elo评级方法的大模型评估系统
智源研究院推出的FlagEval（天秤）大模型评测平台
大规模多任务语言理解基准
中文通用大模型综合性测评基准
大规模多任务语言理解基准
中文通用大模型综合性测评基准
一个全面的中文基础模型评估套件
上海人工智能实验室推出的大模型开放评测体系
基于Elo评级方法的大模型评估系统
智源研究院推出的FlagEval（天秤）大模型评测平台
中文通用大模型综合性测评基准
大规模多任务语言理解基准
中文通用大模型综合性测评基准
大规模多任务语言理解基准
生物医学研究问答数据集和模型得分排行榜
基于Elo评级方法的大模型评估系统
全方位的多模态大模型能力评测体系
生物医学研究问答数据集和模型得分排行榜
上海人工智能实验室推出的大模型开放评测体系
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FlagEval（天秤）大模型评测平台
生物医学研究问答数据集和模型得分排行榜
基于Elo评级方法的大模型评估系统
智源研究院推出的FlagEval（天秤）大模型评测平台
生物医学研究问答数据集和模型得分排行榜
一个全面的中文基础模型评估套件
斯坦福大学推出的大模型评测体系
