MagicArena es una plataforma de evaluación comparativa competitiva diseñada para evaluar y clasificar modelos de IA generativa visual mediante una comparación humana directa.
AGI-Eval es una comunidad de evaluación especializada diseñada para comparar las capacidades y el rendimiento de varios modelos de lenguaje de gran tamaño basados en IA.
MMBench is a comprehensive evaluation framework designed to measure the capabilities of multimodal large language models across a wide array of visual and textual tasks.
OpenCompass is an open-source evaluation framework developed by the Shanghai AI Lab to provide standardized, comprehensive benchmarking for large language models.
MMLU is a comprehensive benchmark designed to evaluate the general knowledge and problem-solving capabilities of large language models across a vast array of disciplines.