"模型排行榜" 的搜索结果

AGI-Eval是由上海交通大学、同济大学、华东师范大学及DataWhale等顶尖高校与机构联合打造的大模型评测社区，以“评测助力，让AI成为人类更好的伙伴”为使命。平台通过一系列高质量的人类认知考试（如LSAT、中国高考、SAT、数学竞赛、律师资格考试等）评估基础模型的通用能力，整合中英文双语任务，提供业内大语言模型的综合能力得分排名，涵盖综合评测及各专项能力评测。平台还提供Data Studio数据工坊，拥有超过3万众包用户，已上线485个任务标签，数据总量超过32万条，支持用户自建评测集、高校私有数据集托管，并已开源内部评测框架。

2026-05-31

HELM（Holistic Evaluation of Language Models）是由斯坦福大学基础模型研究中心CRFM发起的全面语言模型评估框架，旨在通过多维度、标准化、可复现的方式对大语言模型进行系统性评测。HELM覆盖核心场景（如问答、信息检索、摘要）与核心指标（如准确性、鲁棒性、公平性、偏见、毒性、效率），支持用户自定义评估管道，并提供公开可比的模型排行榜，累计评测模型数十款，被学术界和工业界广泛采纳为标准评估基准

2026-05-30