相关产品
多模态数学推理评测集,含3040道真实数学竞赛题,覆盖16个学科与5个难度等级。
音频通用智能综合评测基准,含5305个专家标注实例,覆盖49项听觉感知与推理技能。
视频生成模型综合评测基准,设16个评测维度,评测结果与人类偏好高度一致。
上海人工智能实验室数据价值评测平台,覆盖120多个数据集与22项基准,提供数据榜单。
国际奥数级数学推理评测套件,含答案、证明与评分四项基准,检验模型深度推理能力。
精英视觉必需多模态评测基准,含1500道精选样本,覆盖6大能力与18个细分维度。
大模型危险知识代理评测基准,含3668道选择题,覆盖生物、网络与化学安全三领域。
超长第一视角视频问答评测,含5000多道人工题目,覆盖250小时真实生活视频。
大模型越狱攻击鲁棒性评测基准,含100条误用行为,提供攻击与防御双榜单。
大模型安全拒答行为评测基准,含440条不安全指令,覆盖44类风险话题与50多个模型。


