搜索开放度全部开放度开放需申请闭集未知可信级别全部可信级别S · 高可信A · 已审核B · 待确认应用筛选

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	下载(30d)	Stars	被引
Cultural-Evaluation-Kalahi · aisingapore	垂直领域通用行业	B待确认		16.5	648	—	6
code_x_glue_cc_code_completion_token · google	代码代码生成	B待确认		16.4	1,102	—	—
social_bias_frames · allenai	安全对齐偏见公平	B待确认		16.3	585	—	—
Chat2Workflow-Evaluation · zjunlp	智能体工具调用	B待确认		16.3	772	—	1
benchmark-research · sselaine27	垂直领域金融	B待确认		16.0	3,580	—	—
hle-rolling HLE· cais	知识问答通用问答	B待确认		15.9	558	—	—
wmt22_african · allenai	语言/语义翻译	B待确认		15.9	1,143	—	—
PixelWorld · TIGER-Lab	多模态视觉语言	B待确认		15.8	328	—	2
eka-medical-asr-evaluation-dataset · ekacare	多模态音频	B待确认		15.7	615	—	—
SWE-Next · TIGER-Lab	代码仓库级代码	B待确认		15.7	330	—	5
FinQA · embedding-benchmark	垂直领域金融	B待确认		15.6	2,919	—	—
serbian-llm-benchmark · datatab	语言/语义多语低资源	B待确认		15.6	754	—	—
H2VU-Benchmark · siriussa	多模态视频	B待确认		15.5	2,745	—	—
code_x_glue_cc_code_completion_line · google	代码代码生成	B待确认		15.4	821	—	—
break_data · allenai	推理结构化输出	B待确认		15.4	1,151	—	—
miriad-benchmark-200k · tomaarsen	垂直领域医疗	B待确认		15.4	14	—	10
tw-legal-benchmark-v2 · lianghsun	垂直领域法律	B待确认		15.3	74	—	—
EnigmaEval · cais	多模态视觉语言	B待确认		15.2	58	—	20
Mantis-Eval · TIGER-Lab	多模态视觉语言	B待确认		15.1	708	—	—
lince · lince-benchmark	语言/语义Code Switching	B待确认		15.1	442	—	—
SWE-MERA · MERA-evaluation	代码仓库级代码	B待确认		15.1	491	—	—
IDEAL-Scenes · IDEAL-Benchmark	多模态视觉语言	B待确认		15.0	2,185	—	—
BEAR-benchmark · yqi19	多模态视觉语言	B待确认		15.0	2,163	—	—
local-llm-speed-benchmarks · cn0303	性能/成本推理速度	B待确认		14.9	55	—	36
LogiTraj-Benchmark · Linmumu009	垂直领域通用行业	B待确认		14.9	2,018	—	—

第 9 / 18 页

上一页下一页