生物医学研究问答数据集和模型得分排行榜
由复旦大学NLP实验室推出的大模型评测基准
斯坦福大学推出的大模型评测体系
H2O推出的基于Elo评级方法的LLM评估系统和工具
一个综合性的大模型中文评估基准
智源研究院推出的FlagEval（天秤）大模型评测平台
上海人工智能实验室推出的大模型开放评测体系
一个适用于大语言模型的多层次多学科中文评估套件
大规模多任务语言理解基准，UC Berkeley推出
中文通用大模型综合性评测基准
