MagicArena est une plateforme de compétition de modèles de génération visuelle créée par ByteDance, qui évalue objectivement les capacités de génération d'images par IA grâce à des tests comparatifs.

AGI-Eval est une communauté professionnelle axée sur l'évaluation des capacités des grands modèles d'IA, visant à fournir aux utilisateurs des références de performance des modèles grâce à des évaluations systématiques.

H2O EvalGPT est un outil d'évaluation de modèles d'IA de grande taille basé sur l'algorithme de notation Elo, qui fournit des classements objectifs des performances des modèles grâce à une comparaison quantitative.

LLMEval3 est un banc d'essai d'évaluation de modèles à grande échelle développé par le laboratoire NLP de l'université Fudan, visant à fournir des évaluations objectives et standardisées des capacités des modèles d'IA.

MMBench est un système d'évaluation complet conçu pour les grands modèles multimodaux, visant à fournir une analyse quantitative objective et standardisée des capacités.

HELM est un cadre d'évaluation standardisé pour les grands modèles, développé par l'Université de Stanford. Il vise à résoudre le problème du manque de normes unifiées dans l'évaluation actuelle des modèles d'IA grâce à une analyse quantitative multidimensionnelle.

OpenCompass est un système d'évaluation de modèles à grande échelle développé par le Laboratoire d'intelligence artificielle de Shanghai. Il vise à quantifier les capacités réelles des modèles d'IA grâce à un processus d'évaluation standardisé.

FlagEval（天秤）是智源研究院打造的专业大模型评测平台，为AI模型提供标准化的能力量化评估。

LMArena 是一个基于众包对比的 AI 模型评测平台，通过真实的对话盲测来衡量大语言模型的实际表现。

MMLU 是一个大规模多任务语言理解基准，用于评估 AI 模型在广泛知识领域内的综合理解与推理能力。