基准测试在测什么 › SuperCLUE
SuperCLUE
中文大模型综合能力：语言理解与生成、专业知识、智能体、安全四个维度。
中文领域官方未说明道题2条已知毛病2026-09-14数据截至
01
分数高对您意味着什么
本站根据出题方式和已知毛病解读
可以粗看国产模型之间的相对位置，但评分方法不透明，别拿单次排名做采购决定。
02
怎么出题、怎么打分
出自官方论文与官方仓库
- 题目怎么来
- 多家机构联合开源社区维护，持续更新；当前总题量官方未公开
- 怎么打分
- 具体判分方法，是否用模型当评委、占多大比例，官方未说明
03
已知毛病
官方自陈与第三方核查
- 官方承认部分能力的数据量偏小
- 版本迭代频繁，不同版本的题目和评分口径可能不一致，跨版本比较要谨慎
04
来源清单
2 条