LLMEval3
LLMEval是由复旦大学NLP实验室推出的大模型评测基准...
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。
数据统计
相关导航
MMLU
MMLU 全称 Massive Multitask Lang...
FlagEval
FlagEval（天秤）由智源研究院将联合多个高校团队打造...
Open LLM Leaderboard
Open LLM Leaderboard 是最大的大模型和数...
CMMLU
CMMLU是一个综合性的中文评估基准，专门用于评估语言模型在...
HELM
HELM全称Holistic Evaluation of L...
Chatbot Arena
Chatbot Arena是一个大型语言模型 (LLM) 的...
AGI-Eval
AGI-Eval是什么 AGI-Eval是上海交通大学、同济...
暂无评论...