FlagEval 大语言模型评测 9 月榜：Baichuan 2 排名第一

据 TechWeb 9 月 19 日报道，国内权威评测体系 FlagEval（天秤）公布最新 9 月榜单大模型评测结果。基于最新 CLCC v2.0 主观评测数据集，FlagEval（天秤）9 月榜重点评测了近期大热的 7 个开源对话模型。从整体结果来看，Baichuan2-13 b-chat、Qwen-7 b-chat、Baichuan2-7 b-chat 名列前茅，准确率均超过 65%。

在基座模型榜单中，Baichuan 2、Qwen、InternLM、Aquila 的客观评测结果表现均超越同参数量级的 Llama 及 Llama2 模型。在 SFT 模型榜单中，Baichuan 2-13 B-chat、YuLan-Chat-2-13 B、AquilaChat-7 B 名列前三。在客观评测两个榜单中，Baichuan 2 均表现出优异性能，基础模型测试在中英文领域均全面超越 Llama 2。

据悉，FlagEval（天秤）是北京智源人工智能研究院推出的大模型评测体系及开放平台，旨在建立科学、公正、开放的评测基准、方法、工具集，协助研究人员全方位评估基础模型及训练算法的性能。FlagEval 大语言模型评测体系当前包含 6 大评测任务，近 30 个评测数据集，超 10 万道评测题目。