生物医学研究问答数据集和模型得分排行榜
PubMedQA是一个生物医学研究问答数据集，包含了1K专家标注，61.2K 个未标注和 211.3K 个人工生成的QA实例，该排行榜目前已收录18个模型的医学测试得分。
一个综合性的大模型中文评估基准
斯坦福大学推出的大模型评测体系
全方位的多模态大模型能力评测体系
智源研究院推出的FlagEval（天秤）大模型评测平台
H2O.ai推出的基于Elo评级方法的大模型评估系统
由复旦大学NLP实验室推出的大模型评测基准
