求知
文章
文库
Lib
视频
iPerson
课程
认证
咨询
工具
讲座
Model Center
汽车系统工程
模型库
学习助手
会员
FDE(前沿部署工程师)实践指南
11月11-12日 北京+线上
OCSMP 认证培训
11月19-20日 北京+线上
AI赋能产品管理实战
12月10-11日 北京+在线
EvalScope 中文教程
EvalScope 简介
EvalScope 安装
EvalScope 快速上手
EvalScope 可视化
EvalScope 参数说明
EvalScope 支持的数据
LLM评测集
▶
AA-LCR
AGIEval
AIME-2024
AIME-2025
AIME-2026
AlpacaEval2.0
AMC
AnatEM
ARC
ARC-AGI-2
ARC-Challenge-Indic
ArenaHard
ArXiv-Math
ArxivRollBench
ArxivRollBench-Full
BBH
BC2GM
BC4CHEMD
BC5CDR
BhashaBench-Multi (Ayurveda)
BhashaBench-Multi (Finance)
BhashaBench-Multi (Krishi)
BhashaBench-Multi (Legal)
BhashaBench-V1 (Ayurveda)
BhashaBench-V1 (Finance)
BhashaBench-V1 (Krishi)
BhashaBench-V1 (Legal)
BigCodeBench
BigCodeBench-Hard
BioMixQA
BoolQ
BroadTwitterCorpus
C-Eval
Chinese-SimpleQA
CL-bench
CMATH
C-MMLU
CoinFlip
CommonsenseQA
Competition-MATH
CoNLL2003
CoNLL++
Copious
CrossNER
Data-Collection
DocMath
DrivelologyBinaryClassification
DrivelologyMultilabelClassification
DrivelologyNarrativeSelection
DrivelologyNarrativeWriting
DROP
EQ-Bench
FinNER
FRAMES
GeneralArena
General-MCQ
General-QA
GeniaNER
GPQA-Diamond
GSM8K
GSM8K-Indic
HaluEval
HarveyNER
HealthBench
HellaSwag
HellaSwag-Hindi
Humanity's-Last-Exam
HMMT25
HMMT26
HMMT-Nov-2025
HumanEval
HumanEvalPlus
IFBench
IFEval
IMO-AnswerBench
BoolQ-Indic
IndicParam
IQuiz
JevBench public subset
JNLPBA
JNLPBA-Rare
KINA
LiveCodeBench
LoCoMo
LogiQA
LongBench v2
LongMemEval
LongPIBench
MaritimeBench
MASK
MATH-500
MathQA
MBPP
MBPP-Plus
Med-MCQA
MGSM
MILU
Minerva-Math
MIT-Movie-Trivia
MIT-Restaurant
MMLU-Pro
MMLU-Redux
MMMLU
MRI-MCQA
MT-Bench
Multi-IF
MultiNERD
MultiPL-E HumanEval
MultiPL-E MBPP
MusicTrivia
MuSR
NCBI
Needle-in-a-Haystack
$OneMillion-Bench
OntoNotes5
OpenDecisions
OpenAI MRCR
PerspectiveGap Prompt Writing
PerspectiveGap Role Assignment
PIQA
PLawBench
PolyMath
PRBench
ProcessBench
PubMedQA
QASC
RACE
RefCOCO
RewardBench v1 (pairwise)
SafetyBench
SALAD-Bench
SALAD-Bench MCQ
Sanskriti
SciCode
SciQ
Seed-TTS-Eval
SimpleQA
SIQA
SLEIGHT-Bench
SPaRC
STS-B Decision
目录
EvalScope 中文教程
460 次浏览
1次
上手路线
为了用户能够快速上手,我们推荐以下流程:
对于想要使用 EvalScope 的用户,我们推荐先阅读 快速开始 部分来设置环境,并启动一个迷你实验熟悉流程。
对于一些基础使用,我们建议用户阅读 教程部分,包括 如何使用竞技场模式进行评测、如何使用其他评测后端、如何使用模型服务压测工具。
若您想进行更多模块的自定义,例如增加数据集和模型,我们提供了 进阶教程。
此外,我们提供了 第三方工具 来帮助用户快速评测模型,例如使用 ToolBench 进行评测。
最后,我们提供了 最佳实践 来帮助用户进行评测,例如如何使用 Swift 进行评测。
我们始终非常欢迎用户的 PRs 和 Issues 来完善 EvalScope。
您可以捐助,支持我们的公益事业。
1元
10元
50元
认证码:
必填
460 次浏览
1次
< 首页
< 下一页