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。
Open LLM Leaderboard 是最大...
HELM全称Holistic Evaluation...
FlagEval(天秤)由智源研究...
MMLU 全称 Massive Multitask...
SuperCLUE 是一个中文通用大...
CMMLU是一个综合性的中文评估...