PubMedQA是一个生物医学研究...
PubMedQA是一个生物医学研究问答数据集,包含了1K专家标注,61.2K 个未标注和 211.3K 个人工生成的QA实例,该排行榜目前已收录18个模型的医学测试得分。
HELM全称Holistic Evaluation...
C-Eval是一个适用于大语言模...
MMBench是一个多模态基准测试...
Open LLM Leaderboard 是最大...
LLMEval是由复旦大学NLP实验...
FlagEval(天秤)由智源研究...