从真实收录的工具中，找到适合你的选择。
提供数据竞赛、数据集和在线代码实验的AI与数据科学社区。
OpenCompass司南面向需要选择或接入AI模型的开发者,主要支持评测大模型能力、配置模型评测任务和比较评测结果。
AGI-Eval围绕大语言模型提供评测平台与开源评测框架,支持适配数据、接入模型接口并生成评测结果。
面向中文基础模型的评估套件,按学科和难度组织测试内容。
智源研究院围绕大模型建立的评测框架与平台,按能力、任务和指标组织结果。
斯坦福CRFM组织的语言模型综合评估项目,围绕场景、适配方法和指标展示评测。
复旦大学NLP团队的语言模型评测研究系列,围绕专业学科知识等任务组织评估。
让用户比较不同模型回答并投票的公共评估平台,投票结果参与形成排行榜。
围绕生物医学文献建立问答数据集,用摘要材料与研究问题检验模型回答能力。
围绕中文大模型组织多维评测与榜单,利用不同测试观察知识、语言和对话等表现。