MagicArena 热 字节推出的视觉生成模型对战平台 
MMLU 热 大规模多任务语言理解基准 
Open LLM Leaderboard 热 Hugging Face推出的开源大模型排行榜单 
C-Eval 一个全面的中文基础模型评估套件 
FlagEval 智源研究院推出的FlagEval（天秤）大模型评测平台 
SuperCLUE 中文通用大模型综合性测评基准 
AGI-Eval AI大模型评测社区 
OpenCompass 上海人工智能实验室推出的大模型开放评测体系 
CMMLU 一个综合性的大模型中文评估基准 
MMBench 全方位的多模态大模型能力评测体系 
HELM 斯坦福大学推出的大模型评测体系 
LMArena AI模型评估平台 
LLMEval3 由复旦大学NLP实验室推出的大模型评测基准 
H2O EvalGPT H2O.ai推出的基于Elo评级方法的大模型评估系统 
PubMedQA 生物医学研究问答数据集和模型得分排行榜