斯坦福大学推出的大模型评测体系
HELM全称Holistic Evaluation of Language Models（语言模型整体评估）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，每次评测的运行都需要指定一个场景，一个适配模型的提示，以及一个或多个指标。它评测主要覆盖的是英语，有7个指标，包括准确率、不确定性/校准、鲁棒性、公平性、偏差、毒性、推断效率；任务包括问答、信息检索、摘要、文本分类等。
大规模多任务语言理解基准
上海人工智能实验室推出的大模型开放评测体系
H2O.ai推出的基于Elo评级方法的大模型评估系统
Hugging Face推出的开源大模型排行榜单
生物医学研究问答数据集和模型得分排行榜
由复旦大学NLP实验室推出的大模型评测基准
