Model Evaluation

MMLU（Massive Multitask Language Understanding）是由加州大学伯克利分校于2020年9月推出的基准测试，旨在评估大型语言模型在多领域的理解和推理能力。

C-Eval是由上海交通大学、清华大学和爱丁堡大学联合推出的中文大语言模型评估套件，包含13948道多项选择题，覆盖52个学科和四个难度级别，旨在全面评测模型的中文理解能力。

Stable Chat是Stability AI最新推出的对话式AI助手，基于Stable Beluga大语言模型，旨在为研究人员和AI爱好者提供评估模型功能和安全性的研究平台。

AGI-Eval是由多所知名高校和机构联合打造的AI大模型评测社区，提供公正、可信、科学、全面的评测生态，旨在评估基础模型在人类认知和问题解决任务中的通用能力。

H2O EvalGPT是H2O.ai推出的开放工具，专为评估和比较大型语言模型（LLM）设计，提供全面的性能排行榜，助力用户选择最适合其项目需求的模型。