MMMLU
MMMLU是OpenAI发布的多语言MMLU测试集，含14种语言，用于评估多语言大语言模型。
关于 Open LLM Leaderboard
Open LLM Leaderboard 是一个由 Hugging Face Space 托管的交互式排行榜应用，旨在帮助用户浏览和比较开源语言模型的性能。根据官网介绍，该应用允许用户选择和筛选开源语言模型，并查看它们在多个测试中的表现，这些测试包括 IFEval、BBH、MATH、GPQA、MUSR 和 MMLU-PRO 等。
主要功能
- 交互式排行榜：用户可以通过界面选择模型并查看其在不同测试中的得分。
- 筛选功能：支持根据特定条件筛选模型，以便更精准地比较。
- 多测试覆盖：涵盖多种基准测试，如 IFEval、BBH、MATH、GPQA、MUSR 和 MMLU-PRO。
使用场景
该应用适用于研究人员、开发者以及对开源语言模型感兴趣的用户，用于评估和选择适合特定任务的模型。
相关导航
LLMEval3
LLMEval3是复旦大学自然语言处理实验室发起的大语言模型评测项目，提供评测平台与排行榜。
HELM
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。
AlpacaEval
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。
C-Eval
C-Eval是一个全面的中文基础模型评估套件，包含13,948道多项选择题，覆盖52个学科和四个难度级别。
数据评估
关于Open LLM Leaderboard特别声明
本站深度导航提供的Open LLM Leaderboard都来源于网络，不保证外部链接的准确性和完整性，同时，对于该外部链接的指向，不由深度导航实际控制，在2026年9月2日 上午1:00收录时，该网页上的内容，都属于合规合法，后期网页的内容如出现违规，可以直接联系网站管理员进行删除，深度导航不承担任何责任。
