LLM Mafia Game
AI狼人杀，让大模型玩狼人杀相互博弈
C-Eval 是一个全面的中文基础模型评估套件。它包含了13948个多项选择题，涵盖了52个不同的学科和四个难度级别，如下所示。
通过 C-Eval 试题的测试后得到了一份中文大语言模型的排行榜，其中表现最好的是来自 是由清华大学和智谱 AI 联合研发的第二代 GLM 系列对话语言模型，其次是GPT – 4模型。
数据统计
相关导航
SWE-Bench Pro
一代软件工程 AI 基准测试集。
GDPval
OpenAI推出的大模型全新评估指标
AI Ping
AI Ping 是一款由清华系团队打造的免费大模型服务性能评测平台，通过7x24小时实时监控与多维度对比，为开发者提供客观、全面的选型参考，助力AI应用高效稳定落地。
Artificial Analysis
独立 AI 基准测试与分析平台
LMArena
全球最大的众包 AI 盲测竞技场，让你亲手投票决定 GPT、Claude、Gemini 谁更强！
VBench
AI视频生成模型评测体系
Open LLM Leaderboard
开源大模型的综合能力排行榜
暂无评论...
