PubMedQA是一個生物醫學研究...
PubMedQA是一個生物醫學研究問答數據集,包含了1K專家標註,61.2K 個未標註和 211.3K 個人工生成的QA實例,該排行榜目前已收錄18個模型的醫學測試得分。
HELM全稱Holistic Evaluation...
OpenCompass是由上海人工智能...
FlagEval(天秤)由智源研究...
C-Eval是一個適用於大語言模...
CMMLU是一個綜合性的中文評估...
MMLU 全稱 Massive Multitask...