CLUEbenchmark/SuperCLUE Issues
Claude3有评测吗？
Updated请问如何对自己做的大模型使用该指标进行测评呢？
Updated请问一月榜单呢
Updated 1阿里的通义千问没有吗？
Closed 2数据集开源吗？可以在哪里下载呢
Updated 3anthropic拼错了
Updated大模型升级方式
Updated想问下 角色扮演 benchmark是怎么进行的
Closed任务规划和工具使用的评价标准是什么样的？
Updated 1能否增加翻译的评估排名
Updated请问可以把vicuna-33B模型加入评测吗？
Updated排名变化的原因是什么？
Updated 1测评时如何与标准答案进行匹配
Updatedtest the 智源大模型吧
Updated 3没有文心一言吗
Closed 1关于prompt设计的问题
Updated 1可以在superclue上测试自己的模型吗？
Updated 2开始搞手机测评榜那一套了？GPT4对应苹果，国产大模型对应华米OV
Updated 3什么时候回公开测试数据集？
Updated 1我个人使用后的感受，星火大模型是真的不如文心一言。。
Updated 8单项能力有多少道题目啊
Updated 2感谢徐亮老师团队的工作~关于评测细节 有一些疑问咨询下
Updated 5超200人了，求拉群
Closed 1该如何引用你们的工作？
Closed 1这个superCLUE 有毒性和偏见等方面的评测吗
Updated 3评测数据客观公正很重要
Updated 3这个评测的参考价值
Closed 2公开评测集和评测标准
Closed 1置信度
Closed 1人类的数值怎么来的？
Closed 3建议补全人类的“专业能力”数据
Updated 1生成与创作如何用选择题的形式测试的？
Closed 4测评结果为什么全是整数？
Updated 1