iowen

MMBench

全方位的多模态大模型能力评测体系

HELM

斯坦福大学推出的大模型评测体系

OpenCompass

上海人工智能实验室推出的大模型开放评测体系

C-Eval

一个全面的中文基础模型评估套件

LLMEval3

由复旦大学NLP实验室推出的大模型评测基准

FlagEval

智源研究院推出的FlagEval（天秤）大模型评测平台

PubMedQA

生物医学研究问答数据集和模型得分排行榜

H2O EvalGPT

H2O.ai推出的基于Elo评级方法的大模型评估系统

SuperCLUE

中文通用大模型综合性测评基准

Evidently AI

开源的机器学习模型监测和测试工具

Gen-2

Runway最新推出的AI视频生成模型

Imagen

Google AI文字到图像生成模型