FlagEval 天秤

描述：智源研究院推出的开源大模型评测体系

FlagEval 天秤介绍

FlagEval（天秤）是智源研究院推出的开源大模型评测体系，采用“能力-任务-指标”三维框架，覆盖 NLP、CV、语音、多模态四大领域，内置 30+ 能力维度、22 个数据集、超 10 万道题目，支持中英双语，集成 MMLU、C-Eval、CLCC、TACO 等基准，并提供自动化推理与 AI 辅助主观评测，可一键提交模型参与排行，目前完全免费开放。