智源研究院推出的FlagEval（天秤）大模型评测平台
FlagEval（天秤）由智源研究院将联合多个高校团队打造，是一种采用“能力—任务—指标”三维评测框架的大模型评测平台，旨在提供全面、细致的评测结果。该平台已提供了 30 多种能力、5 种任务和 4 大类指标，共 600 多个维度的全面评测，任务维度包括 22 个主客观评测数据集和 84433 道题目。
由复旦大学NLP实验室推出的大模型评测基准
生物医学研究问答数据集和模型得分排行榜
一个综合性的大模型中文评估基准
中文通用大模型综合性测评基准
全方位的多模态大模型能力评测体系
上海人工智能实验室推出的大模型开放评测体系
