精选 17 个「AI模型评测」相关 AI 工具,对比功能、使用场景与价格,快速找到适合你工作流的产品。
MMLU 全称 Massive Multitask Language Understanding,是...
Open LLM Leaderboard 是由 Hugging Face 提供的一个开源大模型性能评...
C-Eval是一个适用于大语言模型的多层次多学科中文评估套件,由上海交通大学、清华大学和爱丁堡大学研...
FlagEval(天秤)是北京智源人工智能研究院(BAAI)推出的科学、公正、开放的大模型评测体系及...
SuperCLUE 是一个针对中文通用大模型的综合性测评基准,主要评估模型在语言理解与生成、知识应用...
AGI-Eval是上海交通大学、同济大学、华东师范大学、DataWhale等高校和机构合作发布的大模...
OpenCompass是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...
CMMLU是一个专门用于评估语言模型在中文语境下的知识和推理能力的综合性基准。它覆盖了从基础学科到高...
MMBench是多模态基准测试,由上海人工智能实验室、南洋理工大学、香港中文大学、新加坡国立大学和浙...
HELM是由斯坦福大学推出的大模型评测体系,该评测方法主要包括场景、适配、指标三个模块,每次评测的运...
LMArena 是一个基于用户投票的 AI 模型评估平台,由加州大学伯克利分校开发。用户输入问题后,...
LLMEval3 是由复旦大学 NLP 实验室开发的一套大模型评测基准,主要聚焦于专业知识能力的评测...
H2O Eval Studio 是 H2O.ai 推出的一款用于评估和比较生成式 AI 模型性能的工...
PubMedQA 是一个用于生物医学研究问题回答的问答数据集,包含专家标注、未标注和人工生成的问答实...
AI Ping是一个专门面向大型语言模型(LLM)服务使用者的综合性评测与信息汇总平台。其核心定义在...
AI Ping是专注AI大模型服务性能评测的平台,通过全面、客观、真实的评测,为用户提供各大模型服务...
MagicArena 是字节跳动推出的国内首个视觉生成大模型对战平台。用户输入文字,能调用不同模型(...
返回 AI工具目录 浏览全部分类与每日更新的精选工具。