opencompass

OpenCompass 是一个开源的大语言模型（LLM）综合评测平台，支持对 Llama3、Mistral、InternLM2、GPT-4、Qwen、GLM、Claude 等百余种主流模型在 100+ 评测数据集上的统一评估。其核心功能包括自动化评测流水线、多维指标分析（如准确率、鲁棒性、推理能力）、跨模型横向对比及可视化报告生成，技术上采用模块化设计，支持灵活配置与分布式评估。适用于高校研究、企业模型选型、开源社区模型比测等需要客观、可复现 LLM 性能评估的场景。