AI模型評測14
如何挑選AI模型評測
AI 模型评测是用统一的题目和规则给大模型打分、排名的平台和基准,帮你在选模型时有一个客观参照,而不只是看厂商宣传。
本页收录的类型
- 人类投票排行榜:LMArena 让用户匿名对比两个模型的回答并投票,按投票结果排名,反映真实使用中的偏好。
- 学术基准:MMLU(大规模多任务语言理解)、C-Eval 和 CMMLU(中文能力)、MMBench(多模态)等,用固定题库测知识和推理。
- 综合评测平台:Open LLM Leaderboard(Hugging Face 的开源模型榜)、OpenCompass(上海人工智能实验室)、HELM、FlagEval、SuperCLUE 等,汇总多个基准给出整体评价。
怎么看排行榜
- 不同榜单测的东西不一样:知识问答、编程、数学、中文、长文本,挑和你的用途相关的那几项看。
- 公开题库可能被模型训练时「见过」,分数会偏高;人类投票榜更接近实际体验,但也受回答风格影响。
- 排行榜只是参考,最可靠的方法是拿你自己的真实任务,同时测两三个候选模型。
繼續探索 AI 的更多可能瀏覽全部工具