1. Hugging Face Open LLM Leaderboard
-
特点：全球开源大模型的核心 "打榜" 阵地，自动化评估模型在知识、推理、常识等多个维度的表现，覆盖 MMLU（57 个学科的通用知识评测）、ARC、TruthfulQA 等核心基准。
-
官方地址 ：https://huggingface.co/spaces/open-llm-leaderboard/open_llm_leaderboard
-
优势：更新快，覆盖几乎所有主流开源模型，是开源社区最权威的参考指标。
2. OpenCompass（开放 compass）
-
特点：由上海人工智能实验室推出的国产评测平台，是全球最具影响力的开源评测体系之一，对中文模型的评测尤为全面，覆盖 CMMLU（中文多任务知识评测）、C-Eval 等中文知识类基准。
-
优势：对中文百科、专业知识的评测精度更高，更适合国内用户参考。
3. LMSYS Chatbot Arena
-
特点：采用 "双盲测试" 机制，隐藏模型身份，由全球真实用户基于回答质量投票，有效规避了传统评测中 "针对数据集刷榜" 的问题，其中 Expert 榜单专门针对高难度专业知识任务。
-
官方地址 ：https://arena.lmsys.org
-
优势：更贴近真实用户的使用体验，能反映模型在真实知识问答中的实际表现。
4. SuperCLUE
-
特点：专门针对中文大模型的评测平台，通过 3700 + 客观题和匿名对战机制，每月更新国内外主流模型的排名，覆盖中文百科、常识、专业知识等多个维度。
5. Stanford HELM
-
特点：斯坦福大学推出的全面评测框架，从多个维度评估模型的能力，包括知识的真实性、鲁棒性等，避免模型 "一本正经地胡说八道"。