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。
上海人工智能实验室推出的大模型开放评测体系
由复旦大学NLP实验室推出的大模型评测基准
智源研究院推出的FlagEval（天秤）大模型评测平台
大规模多任务语言理解基准
斯坦福大学推出的大模型评测体系
Hugging Face推出的开源大模型排行榜单
