智源研究院推出的FlagEval（天秤）大模型评测平台
FlagEval
全方位的多模态大模型能力评测体系
大规模多任务语言理解基准
上海人工智能实验室推出的大模型开放评测体系
生物医学研究问答数据集和模型得分排行榜
