Factuality benchmarks HyperCLOVA X compared to open-source models 2024

Statista2026-04-25 收录

大语言模型事实性评估

模型基准测试

数据链接：

https://www.statista.com/statistics/1557358/hyperclova-x-factuality-open-source-llm-comparison/数据链接链接失效反馈

官方服务：

资源简介：

Factuality and world knowledge benchmarks of HyperCLOVA X compared to open-source models in 2024

MedAgentBench

医疗应用

模型基准测试

MedAgentBench是一个用于医疗应用中作为代理的LLMs基准测试的数据集。

github2025-02-01 更新750

open-llm-leaderboard/details_OptimalScale__robin-7b-v2-delta

大型语言模型评估

模型基准测试

该数据集是在Open LLM Leaderboard上对模型OptimalScale/robin-7b-v2-delta进行评估时自动创建的。数据集包含61个配置，每个配置对应一个评估任务。数据集由1次运行创建，每次运行可以在每个配置的特定分割中找到，分割以运行的时间戳命名。train分割始终指向最新的结果。此外，还有一个名为results的配置存储了所有运行的聚合结果，并用于计算和显示Open

Hugging Face2023-08-27 更新120

next-tat/MMDocBench

视觉文档理解

模型基准测试

--- license: cc-by-sa-4.0 task_categories: - question-answering - visual-question-answering - table-question-answering language: - en pretty_name: MMDocBench size_categories: - 1K<n<10K tags: - LVLMs

Hugging Face2024-10-30 更新90

🏆 AI Models Benchmark Dataset 2026 (latest)

模型基准测试

大语言模型

Comprehensive Benchmark of 188+ AI Models - LLM Performance

kaggle2026-01-13 更新220

OMNIX_Benchmarks_Latest

大型语言模型评估

模型基准测试

OMNIX Benchmarks 是一个用于评估和基准测试大型语言模型性能的数据集。它旨在通过一套标准化的指标对模型进行综合比较，涵盖格式遵循、逻辑推理、知识回忆、约束遵循、成功率（首次通过和最终）以及推理延迟等多个关键维度。该数据集支持文本生成和问答任务类别，并提供了对多个流行模型（如 Qwen、Gemma、Llama 等系列的不同版本）在上述维度上的量化评分和排名分析，帮助研究人员和开发者了解

Hugging Face2026-07-07 更新100

Factuality benchmarks HyperCLOVA X compared to open-source models 2024

资源简介：

相关数据集