AI模型评测
  1. 首页
  2. AI模型评测

列表

MMLU

MMLU

MMLU是一种针对大模型的语言理解能力的测评，涵盖57项任务，包括初等数学、美国历史、计算机科学、法律等，用以评测大模型基本的知识覆盖范围和理解能力。该测试的语言是英文。
AI实用工具 2024年05月20日
MMBench

MMBench

MMBench是一个多模态基准测试，由上海人工智能实验室、南洋理工大学、香港中文大学、新加坡国立大学和浙江大学的研究人员推出。该体系开发了一个综合评估流程，从感知到认知能力逐级细分评估，覆盖20项细粒度能力，从互联网与权威基准数据集采集约3000道单项选择题。打破常规一问一答基于规则匹配提取选项进行评测，循环打乱选项验证输出结果的一致性，基于ChatGPT精准匹配模型回复至选项。MMBench的特点和优势包括基于感知与推理的评估维度逐级细分、更具鲁棒性的评估方式、更可靠的模型输出提取方法等。
AI实用工具 2024年05月19日
Chatbot Arena

Chatbot Arena

Chatbot Arena是一个大型语言模型的基准平台，采用众包方式进行匿名随机对战。用户可以通过demo体验地址进入对战平台，输入自己感兴趣的问题，提交问题后，匿名模型会两两对战，分别生成相关答案，需要用户对答案做出评判。支持多轮对话，最终使用Elo评分系统对大模型的能力进行综合评估。
AI实用工具 2024年05月22日