AI模型评测

清华系AI基础设施创新企业清程极智推出的大模型服务性能评测与信息聚合平台

MIT授权开源的一款生物医学问答数据集与工具集，专为处理复杂科研文献设计

大语言模型的全生命周期评测与优化

全球最权威的开源大模型评测平台

斯坦福大学基础模型研究中心（CRFM）于2022年发布，是首个覆盖语言模型能力、风险与效率的系统性评测框架。

OpenCompass团队推出的开源评测基准，旨在解决传统AI模型评估中存在的“能力盲区”问题

CMMLU由上海交通大学、微软亚洲研究院与墨尔本大学联合推出，是一个专注于中文语言和文化背景的大模型评测工具。

OpenCompass由上海人工智能实验室于2023年8月正式开源，定位为大模型评测的全链路工具平台。

SuperCLUE由CLUE中文语言理解测评基准发展而来（2019年发起），是专注于中文通用大模型评估的独立第三方机构。

FlagEval由北京智源人工智能研究院于2023年推出，是首个覆盖"能力-任务-指标"三维评估体系的智能评测平台。

C-EVAL由上海交通大学、清华大学与爱丁堡大学联合研发，是首个专注于中文大语言模型（LLM）的综合性评测套件

Open LLM Leaderboard 由全球最大的AI开源社区Hugging Face于2023年推出，旨在解决大模型性能评估的“信息迷雾”

MMLU（大规模多任务语言理解）由斯坦福大学研究团队开发，是评估大型语言模型（如GPT、Claude系列）综合能力的黄金标准。

微软研究院于2023年推出，是首个以人类标准化考试（如中国高考、美国SAT、法学院入学考试LSAT等）为基准的大模型评估系统