AI基准测试

奈导航为您奉上2026年最新的AI基准测试在线工具与精品资源指南。本标签页已聚合4款AI基准测试相关的高品质应用，涵盖等业内极具代表性的站点。全部链接均经过实测，一键点击直达，帮您快速找到最趁手的AI神器。

收录了 4 个网站

排序

发布更新浏览

MMLU MMLU（大规模多任务语言理解）是用于评估人工智能模型综合知识与语言理解能力的基准测试，涵盖 STEM、人文、社会科学及专业领域等 57 个学科。该页面由 Papers with Code 提供，收录 MMLU 任务的最新模型表现、排行榜、论文及代码资源，便于研究人员比较不同模型的评测结果。

AI学习资源 # AI基准测试 # MMLU

C-Eval C-Eval 是一个中文基础模型综合能力评测基准，涵盖多个学科和专业领域，提供标准化的多项选择题数据集与评测结果，用于衡量大语言模型在知识理解、推理和问题解答等方面的能力，支持模型性能对比与研究分析。

AI学习资源 # AI基准测试 # 中文基础模型

MMBench MMBench 是由 OpenCompass 提供的多模态大模型评测基准与榜单平台，面向视觉语言模型等多模态 AI 系统，提供标准化测试集、评测结果和模型性能对比信息。网站可用于了解主流多模态模型在图像理解、推理、感知等任务中的表现，适合研究人员、开发者和 AI 从业者参考模型能力与评测进展。

AI开发平台 # AI基准测试 # OpenCompass

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，面向人工智能模型提供多维度能力评估与榜单展示。网站涵盖模型趋势、评测任务、数据集与结果对比等内容，支持用户了解不同模型在语言理解、生成、推理等方面的表现，适合研究人员、开发者和行业用户参考模型能力与技术进展。

AI开发平台 # AI基准测试 # 大模型评测