OpenCompass
活跃简介
OpenCompass 是一个全面的 LLM 评估平台，支持 Llama、Mistral、GPT-4、Qwen、GLM、Claude 等多种模型在 100+ 数据集上的基准评测。
核心特性
- 支持 100+ 数据集的全面基准评测，覆盖知识、推理、数学、代码等多个维度
- 兼容主流 LLM：Llama、Mistral、GPT-4、Qwen、GLM、Claude 等
- CascadeEvaluator 级联评估机制，支持多个评估器按顺序协作
- 内置 LLM-as-Judge 和数学推理评估器（MATHVerifyEvaluator）
- CompassHub 评测排行榜和 CompassRank 模型排名可视化
- 被 Meta AI 官方推荐，集成到 Llama Get Started 流程中
适用场景
💡 对自研或微调模型进行全面的多维度基准测评
💡 对比不同 LLM 在特定任务上的表现，辅助模型选型
💡 跟踪模型迭代版本的性能变化，检测能力回归
💡 构建企业内部 LLM 评测流水线，自动化模型准入验证
💡 复现学术论文中的评测结果，验证模型声称的能力
分类
快速开始
pip install opencompass，通过 OpenCompass 配置文件指定模型和数据集，运行 opencompass 命令启动评测。支持 ModelScope 按需加载数据集，内置 CompassHub 排行榜可视化结果。