CMMLU官網(wǎng)入口網(wǎng)址，CMMLU是一個綜合性的中文評估基準，專門用于評估語言模型在中文語境下的知識和推理能力，涵蓋了從基礎(chǔ)學科到高級專業(yè)水平的67個主題。

SuperCLUE官網(wǎng)入口網(wǎng)址，SuperCLUE 是一個中文通用大模型綜合性評測基準，從三個不同的維度評價模型的能力：基礎(chǔ)能力、專業(yè)能力和中文特性能力。

MMBench官網(wǎng)入口網(wǎng)址，MMBench是一個多模態(tài)基準測試，該體系開發(fā)了一個綜合評估流程，從感知到認知能力逐級細分評估，覆蓋20項細粒度能力，從互聯(lián)網(wǎng)與權(quán)威基準數(shù)據(jù)集采集約3000道單項選擇題。打破常規(guī)一問一答基于規(guī)則匹配提取選項進行評測，循環(huán)打亂選項驗證輸出結(jié)果的一致性，基于ChatGPT精準匹配模型回復至選項。

LLMEval3官網(wǎng)入口網(wǎng)址，LLMEval是由復旦大學NLP實驗室推出的大模型評測基準，最新的LLMEval-3聚焦于專業(yè)知識能力評測，涵蓋哲學、經(jīng)濟學、法學、教育學、文學、歷史學、理學、工學、農(nóng)學、醫(yī)學、軍事學、管理學、藝術(shù)學等教育部劃定的13個學科門類、50余個二級學科，共計約20W道標準生成式問答題目。

HELM官網(wǎng)入口網(wǎng)址，HELM是由斯坦福大學推出的大模型評測體系，該評測方法主要包括場景、適配、指標三個模塊，每次評測的運行都需要指定一個場景，一個適配模型的提示，以及一個或多個指標。

OpenCompass官網(wǎng)入口網(wǎng)址，OpenCompass是由上海人工智能實驗室（上海AI實驗室）于2023年8月正式推出的大模型開放評測體系，通過完整開源可復現(xiàn)的評測框架，支持大語言模型、多模態(tài)模型各類模型的一站式評測，并定期公布評測結(jié)果榜單。