AGI-Eval
AGI-Eval是通用人工智能（AGI）评测基准，从中文通用能力出发，评估大模型在知识、推理、创作、指令遵循等多维度的表现，提供能力评估和排名。
AGI-Eval是一个面向通用人工智能（AGI）的评测基准，定位是从通用能力出发评估大模型的综合水平。它关注的不只是单一任务表现，而是模型在知识、推理、创作、指令遵循等多维度的整体能力。
"AGI评测"这个名字听起来宏大，本质上是想回答一个问题：模型是不是真的具备了接近通用智能的能力？AGI-Eval通过一系列标准化的任务来逼近这个判断。
核心功能
中文通用能力评测：评估大模型在中文场景下的通用能力。
多维度任务：覆盖知识、推理、创作、指令遵循等维度。
能力评估与排名：提供模型的综合能力评估和排名。
任务标准化：采用标准化任务，结果可比较。
使用教程
- 访问agi-eval.cn查看AGI-Eval评测说明。
- 查看模型的综合能力评估和排名。
- 了解各维度的具体表现。
优点
- 面向AGI的宏大评测视角。
- 多维度综合评估通用能力。
- 中文场景，贴合国内需求。
需要注意的地方
- 具体评测方法和榜单公开度需以官网为准。
- AGI评测本身是持续演进的领域，标准会不断完善。
适合谁用
关注通用人工智能和大模型能力评估的研究人员、开发者、AI产品经理。
定价
以官网为准，评测结果通常免费公开。
同类型产品对比
| 产品 | 价格/模式 | 核心特点 | 适合人群 |
|---|---|---|---|
| AGI-Eval | 以官网为准 | 中文通用能力、多维测试 | 研究人员、产品经理 |
| SuperCLUE | 免费 | 中文多维度综合评测 | 中文模型选型 |
| OpenCompass | 开源 | 全面评测框架 | 研究者、开发团队 |
| HELM | 开源 | 斯坦福综合评测 | 研究者 |
常见问题
AGI-Eval是什么
AGI-Eval是面向通用人工智能的评测基准，从中文通用能力出发，评估大模型在知识、推理、创作、指令遵循等多维度的表现。
AGI-Eval评测哪些维度
覆盖知识、推理、创作、指令遵循等多个维度，评估模型的通用能力。
AGI-Eval和SuperCLUE有什么区别
两者都是中文评测，AGI-Eval强调"通用智能"视角，SuperCLUE是CLUE体系下的多维度综合评测，具体任务设计有差异。
引用来源
- AGI-Eval官网：https://agi-eval.cn/mvp/home
- AGI-Eval介绍：https://kcool.cn/agi-eval
