排行榜 - C-Eval

声明: 任何评测都有其局限性，以及任何的榜单都可以被不健康的刷榜。尤其是在大模型时代，大部分模型并未公开，用户也无法在实际应用中验证这些模型。 例如，在榜单上得到高分的方式有：从GPT-4的预测结果蒸馏，找人工标注然后蒸馏，在网上找到原题加入训练集中微调模型 -- 然而这样得到的分数是没有意义的。因此，我们建议用户谨慎看待以下榜单。 我们同时也将榜单拆分成2个： (1) 公开访问的模型 -- 这些模型有公开权重或者API，用户可以自行检查验证它们的效果; (2) 受限访问的模型: 这些模型暂时没有对公众开放。

不同科目和平均的测试结果展示如下。 以下结果代表zero-shot或者few-shot测试（模型描述包括prompt形式可点进模型查看）。 随时欢迎你们向C-Eval提交模型的预测（zero-shot或者few-shot的结果都可以），我们的提交系统会根据预测自动计算分数。点击 这里 开始提交（默认情况下你的提交结果只对你自己可见，并不会公开在排行榜上，你可以在提交界面请求公开）。

（注：* 表示该模型结果由 C-Eval 团队测试得到，而其他结果是通过用户提交的模型预测计算分数得到。）

公开访问的模型

受限访问的模型