在线对比评测不同OCR模型识别准确率的平台

开源框架，用于在真实设备上大规模测试和评估AI模型

实时追踪和比较主流大语言模型性能数据的专业平台

AI智能体性能评估与优化平台，帮助用户测试和提升AI代理表现

实时监测ChatGPT对话质量与用户体验的智能分析工具

由苹果开发的可视化高维嵌入向量探索工具，帮助理解AI模型中的语义关系

生物医学研究问答数据集和模型得分排行榜

H2O.ai推出的基于Elo评级方法的大模型评估系统

由复旦大学NLP实验室推出的大模型评测基准

以众包方式进行匿名随机对战的LLM基准平台

斯坦福大学推出的大模型评测体系

全方位的多模态大模型能力评测体系

一个综合性的大模型中文评估基准

上海人工智能实验室推出的大模型开放评测体系

AI大模型评测社区

中文通用大模型综合性测评基准

智源研究院推出的FlagEval（天秤）大模型评测平台

一个全面的中文基础模型评估套件

Hugging Face推出的开源大模型排行榜单

大规模多任务语言理解基准