为您的用例寻找最佳排行榜

✨ 精选排行榜

自 2023 年底以来，我们与拥有丰富评估知识的合作伙伴合作，以博客系列的形式重点介绍他们的工作，该系列名为 Leaderboards on the Hub。

其中，您可以参考以下一些特定于大语言模型（LLM）的排行榜！

• 代码评估
  • BigCode 的模型排行榜
  • BigCode 的 BigCodeBench
  • LiveCodeBench
  • Meta 的 CyberSecEval
• 数学能力
  • NPHardEval
• 安全性
  • DecodingTrust 的排行榜
  • HaizeLab 的红队抵抗基准测试
• 性能
  • Optimum 的 LLM 性能排行榜
  • Artificial Analysis LLM 性能排行榜

这个系列对于理解不同模态和主题评估的微妙之处特别有趣，我们希望它将来能成为一个知识库。

🔍 自己探索空间

在 Hub 上，leaderboards 和 arenas 像机器学习演示一样，作为空间（Spaces）托管。

您可以在这里的搜索栏中通过空间标题搜索关键词 leaderboard 或 arena（或此链接），或者使用“全文搜索”在整个空间中搜索，也可以通过搜索 leaderboard 标签在此处寻找具有正确元数据的空间。

我们还努力维护一个及时更新的排行榜合集。如果我们遗漏了您的空间，请在空间讨论中@评估团队的任一成员！

< > 在 GitHub 上更新