HELM HELM(Holistic Evaluation of Language Models)是斯坦福 CRFM 提供的语言模型综合评测平台,用于系统化评估大语言模型在准确性、鲁棒性、公平性、效率、偏见与安全性等维度的表现。网站提供最新评测结果、模型对比、任务指标和方法说明,帮助研究人员、开发者和机构了解不同语言模型的能力边界与应用风险。 效率助手 # AI基准测试 # HELM
FlagEval FlagEval 是由北京智源人工智能研究院推出的大模型评测平台,面向人工智能模型能力评估与对比分析。网站提供模型榜单、评测任务、趋势数据等信息,覆盖语言理解、推理、代码、知识问答等多个维度,帮助用户了解不同大模型在公开基准和综合能力测试中的表现。平台适合研究人员、开发者及 AI 从业者用于模型选型参考、评测结果查询和行业趋势观察。 效率助手 # AI榜单 # 基准测试