生物医学研究问答数据集和模型得分排行榜
PubMedQA是一个用于生物医学研究的问答数据集,包含1K由专家标注的实例、61.2K未标注的实例以及211.3K个人工生成的问答实例。目前,该排行榜已记录18个模型在医学测试中的得分。
由复旦大学NLP实验室推出的大模型评测基准
上海人工智能实验室推出的大模型开放评测体系
以众包方式进行匿名随机对战的LLM基准平台
斯坦福大学推出的大模型评测体系
全方位的多模态大模型能力评测体系
智源研究院推出的FlagEval(天秤)大模型评测平台