FlagEval

开发公司：北京智源人工智能研究院

智源研究院围绕大模型建立的评测框架与平台，按能力、任务和指标组织结果。

产品简介

智源研究院围绕大模型建立的评测框架与平台，按能力、任务和指标组织结果。适合研究团队比较模型表现，也能为应用选型提供线索，具体结论仍取决于评测条件。多任务模型评测：通过不同测试观察模型能力；指标与结果比较：理解各项得分的含义与范围。

通过不同测试观察模型能力。

理解各项得分的含义与范围。

对于模型研究团队，可从“多任务模型评测”进入任务，并利用“指标与结果比较”继续整理结果；具体价值在于理解各项得分的含义与范围。

可用多任务模型评测处理相关工作：通过不同测试观察模型能力。

可用指标与结果比较处理相关工作：理解各项得分的含义与范围。