Models · Evals
Open LLM Leaderboard
开放模型的标准化对照
| 测什么 | 开放模型的标准化对照 |
|---|---|
| 任务与数据 | 多个固定基准(含 MMLU、GSM8K、IFEval 等) |
| 指标 | 各基准分别报告,另有平均 |
| 污染风险 | 题目公开,污染风险高;榜单会标注模型提交时间。 |
| 复现 | 固定 few-shot、prompt 与评测脚本;看榜单版本与提交日期。 |
| 成本 | 低到中 |
| 快照日 | 2026-11-19 |
| 核验日 | 2026-11-19 |
怎么读
适合横向找候选,不适合直接下结论;平均分会掩盖任务差异。
下一步
- 打开榜单或论文页,确认题集版本、评分脚本与提交日期。
- 把它和你关心的业务任务做对照;找不到对应任务,就自己建 50–100 条内部评测。
- 读 怎么读榜单,把“分数”写成“条件 + 参考价值”。
榜单 / 来源:https://huggingface.co/spaces/open-llm-leaderboard/open_llm_leaderboard · 快照 2026-11-19