Repository Issue Activity (beta)

#84 请求添加新模型：Qwen3.7-Flash

#82 别邮箱广告营销，有点觉得恶心做作。

#79 指令遵从任务 加个忠诚度测试？

#76 请求增加Claude Opus 4.6 Thinking

#61 【请求】增加软件开发、编程能力的综合评测。

#75 都是选择题吗,那些<25%的

#73 read.md部分 “最近评测更新”的年份写错了，还是2025年

#74 这评测有什么意义，元宝能用吗

#71 希望能增加ernie-5.0-thinking-preview的测评

#72 希望能增加蚂蚁的Ring 和Ling的评测

#31 能否加入Function Call（工具调用）能力指标评测

#30 讯飞星火13B开源模型测评

#11 可以评测一下Chinese-LLaMA-Alpaca-2吗

#7 很好的工作，不知道未来有将Anima-30B模型列入评测计划么？

#6 希望能够增加RWKV模型进行评测

#4 如何提交自己的模型进行评测？

#5 提供结果复现代码

#2 很棒的工作， 请问评分标准是怎么样的呢？是如何给这些模型打分的？

#55 评测数据和评测方法缺乏可靠性

#40 能不能对各能力做一个详细的解释啊？

#39 开个 Nemotron-4 340B 评价

#37 10B以下的LLM排名不太准确，实际使用ChatGLM3-6B和Qwen1.5-7B表现更好

#34 10b以下开源排名榜单不靠谱

#35 评测数据无法吐槽

#54 太扯了，Qwen2.5-72B还比不上老版本Qweb2-72B