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。
智源研究院推出的FlagEval(天秤)大模型评测平台
中文通用大模型综合性测评基准
上海人工智能实验室推出的大模型开放评测体系
一个全面的中文基础模型评估套件
斯坦福大学推出的大模型评测体系
由复旦大学NLP实验室推出的大模型评测基准