分类
看各家大模型在各类任务上的评测成绩和原始数据。
🇨🇳中国
AGI-Eval 评测社区专注通用人工智能方向的模型评估，把大语言模型在各类任务上的评测结果汇总起来，按能力维度展示，榜单会定期更新，收集评测数据的方式也支持多种。
想了解某个模型大概什么水平、在哪类任务上表现如何，可以来这儿翻数据。它给的是结果，至于选哪个模型，还得结合自己的场景判断。
主要是榜单和数据，不给「该怎么选」的结论，得自己对着场景判断；部分评测题目偏学术，跟业务里的实际表现会有出入。
查公众号、小红书、抖音账号的影响力榜单，也是品牌找号投放的地方。
给大模型和 RAG 应用做评测，跑完给你看表现和问题在哪。
斯坦福做的模型评测项目，把各家语言模型放到同一批任务上比。
拿同一套考卷测各家大模型，看它们在各项能力上表现如何。
智源做的模型评测平台，能横向看各家大模型的表现。
