智源研究院推出的FlagEval（天秤）大模型评测平台
FlagEval（天秤）由智源研究院将联合多个高校团队打造，是一种采用“能力—任务—指标”三维评测框架的大模型评测平台，旨在提供全面、细致的评测结果。该平台已提供了 30 多种能力、5 种任务和 4 大类指标，共 600 多个维度的全面评测，任务维度包括 22 个主客观评测数据集和 84433 道题目。
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
开源框架，用于在真实设备上大规模测试和评估AI模型
在线对比评测不同OCR模型识别准确率的平台
生物医学研究问答数据集和模型得分排行榜
AI大模型评测社区
中文通用大模型综合性测评基准
要发表评论，您必须先登录。
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