模型评测

MMBench是多模态基准测试，由上海人工智能实验室、南洋理工大学、香港中文大学、新加坡国立大学和浙江大学的研究人员联合推出。

企业定制大模型难？讯飞星辰MaaS是一站式大模型精调平台，专注零代码模型微调与API托管。支持一句话精调、数据清洗、模型评测，覆盖电商情感分析、智能客服、代码生成等场景，适合AI开发者与企业团队，满足定制化AI需求。

评估AI模型在生物医学文献中的推理能力面临挑战。PubMedQA是基于PubMed摘要构建的权威问答数据集，专注于“是/否/可能”判断任务，支持证据定位与模型评测，覆盖学术研究、模型训练与性能竞赛等场景，可通过其GitHub项目页面获取，适合AI研究员与计算生物学家提升专业领域模型性能。