BenchMark·Hub
共 450 个 benchmark
排序:热度增速下载量Stars被引最新名称
Benchmark测评分类可信级别开放热度
EvaLearn
· ByteDance-Seed
推理通用推理
B待确认10.1
ref-annotation-benchmark
· public-knowledge-project
垂直领域信息抽取
B待确认10.1
bovine-embryo-video-evaluation
· embryo-video-eval
多模态视频
B待确认10.0
BBH
BBH· Hugging Face
推理通用推理
A已审核10.0
MATH Lvl 5
MATH· Hugging Face
数学通用数学
A已审核10.0
GPQA
GPQA· Hugging Face
推理通用推理
A已审核10.0
MUSR
MUSR· Hugging Face
推理通用推理
A已审核10.0
Massive Text Embedding Benchmark
MTEB· MTEB
语言/语义检索/Embedding
A已审核10.0
ARC-AGI-2
ARC-AGI· Chollet
推理通用推理
S高可信10.0
K12-KGraph
· haolpku
垂直领域教育
B待确认9.7
bc-finance-llm-benchmark
· BCCard
垂直领域金融
B待确认9.7
imagenet-o
· cais
多模态视觉语言
B待确认9.7
finno-ugric-benchmark
· tartuNLP
语言/语义多语低资源
B待确认9.6
UltraEval-Audio
· OpenBMB
多模态音频
B待确认9.6
CHML-real-ecp-local-llm-audit-benchmark
· CHML-real
垂直领域通用行业
B待确认9.6
Frontier-CS
· FrontierCS
代码代码生成
B待确认9.5
wmt-sqm-human-evaluation
· RicardoRei
语言/语义翻译
B待确认9.5
elimination_game
· lechmazur
推理游戏推理
B待确认9.5
LLM-Enzyme-Kinetics-Golden-Benchmark
· jackkuo
垂直领域生物
B待确认9.4
ERQA
· embodiedreasoning
推理通用推理
B待确认9.4
TutorEval
· princeton-nlp
未分类教育
B待确认9.4
sweet_rl
· facebookresearch
智能体工具调用
B待确认9.3
BALROG
· balrog-ai
智能体游戏推理
B待确认9.3
LLM-ABAP-Code-Generation-Benchmark
· timkoehne
代码代码生成
B待确认9.2
NLU-few-shot-benchmark-en-de
· deutsche-telekom
语言/语义NLU
B待确认9.2
第 13 / 18 页
上一页下一页