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...
Chatbot Arena是一个大型语言...
HELM全称Holistic Evaluation...
MMBench是一个多模态基准测试...
LLMEval是由复旦大学NLP实验...
CMMLU是一个综合性的中文评估...