术心导航

中文通用大模型综合性测评基准（SuperCLUE），是针对中文可用的通用大模型的一个测评基准

H2O.ai是一家专注于人工智能和机器学习的公司，提供了一系列的AI产品和解决方案。

PubMedQA是一个针对生物医学研究问答的在线平台

FlagEval（天秤）大模型评测体系及开放平台，旨在建立科学、公正、开放的评测基准、方法、工具集，协助研究人员全方位评估基础模型及训练算法的性能，同时探索利用AI方法实现对主观评测的辅助，大幅提升评

斯坦福大学推出的大模型评测体系

MMBench是一个用于评估指令微调视觉语言模型（VLM）各种能力的平台

OpenCompass是由上海人工智能实验室（上海AI实验室）于2023年8月正式推出的大模型开放评测体系，通过完整开源可复现的评测框架，支持大语言模型、多模态模型各类模型的一站式评测，并定期公布评测

CMMLU是一个综合性的汉语评估基准，专门用于评估语言模型在汉语背景下的知识和推理能力

MMLU （Massive Multitask Language Understanding） 是一种新的基准测试