生物医学研究问答数据集和模型得分排行榜
PubMedQA是一个生物医学研究问答数据集,包含了1K专家标注,61.2K 个未标注和 211.3K 个人工生成的QA实例,该排行榜目前已收录18个模型的医学测试得分。
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
H2O.ai推出的基于Elo评级方法的大模型评估系统
上海人工智能实验室推出的大模型开放评测体系
以众包方式进行匿名随机对战的LLM基准平台
中文通用大模型综合性测评基准