NEWAlpacaEval
AlpacaEval 是一个用于评估指令跟随语言模型的自动评估工具，官网称其快速、廉价且与人类评估高度相关。
排序
NEWFastChat
FastChat是一个用于训练、部署和评估大语言模型的开源平台，支持Vicuna和Chatbot Arena。
NEWOpenCompass司南
OpenCompass司南提供大语言模型和多模态模型的评测榜单，涵盖多能力维度评分。
NEWOpen LLM Leaderboard
Open LLM Leaderboard 是一个交互式排行榜，用于筛选和比较开源语言模型在多项测试中的表现。
NEWMMBench
MMBench是一个多模态大语言模型评测基准平台，提供模型性能评估与排行榜服务。
NEWLMArena
LMArena是一个供用户聊天、比较和投票评选最佳AI模型的平台，通过真实世界评估构建公共排行榜。
NEWHELM
HELM是斯坦福大学推出的语言模型透明性基准，提供多指标标准化评估。
NEWH2O Eval Studio
H2O Eval Studio 是一个模块化工作室，用于评估检索增强生成和大型语言模型应用的性能、可靠性和安全性。
NEWFlagEval
FlagEval 是一个用于评估人工智能模型性能的在线平台。
NEWAGI-Eval
AGI-Eval是一个用于评估人工智能模型的网站平台。
