生物医学研究问答数据集和模型得分排行榜
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。
一个综合性的大模型中文评估基准
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
以众包方式进行匿名随机对战的LLM基准平台
一个全面的中文基础模型评估套件
大规模多任务语言理解基准