FlagEval

flageval.baai.ac.cn

FlagEval 是什么？

FlagEval 是一款面向 智能体与自动化 场景的 AI 工具，智源研究院推出的FlagEval（天秤）大模型评测平台。

FlagEval（天秤）是北京智源人工智能研究院（BAAI）推出的科学、公正、开放的大模型评测体系及开放平台，为研究人员提供全面评估基础模型及训练算法性能的工具和方法。FlagEval采用“能力-任务-指标”三维评测框架，从多个维度对大模型的认知能力进行评估，涵盖对话、问答、情感分析等多种应用场景，提供超过22个数据集和8万道评测题目。平台支持多模态模型评测，覆盖文本、图像、视频等多种数据类型，兼容多种AI框架和硬件架构。FlagEval提供自动化评测机制，支持主观与客观评测的全自动流水线，帮助研究人员高效、准确地了解模型性能，推动大模型技术的发展。 多维度评测框架 ：采用“能力-任务-指标”三维评测框架，从多个维度全面评估大模型的认知能力，涵盖对话、问答、情感分析等多种应用场景。

FlagEval（天秤）是北京智源人工智能研究院（BAAI）推出的科学、公正、开放的大模型评测体系及开放平台，为研究人员提供全面评估基础模型及训练算法性能的工具和方法。FlagEval采用“能力-任务-指标”三维评测框架，从多个维度对大模型的认知能力进行评估，涵盖对话、问答、情感分析等多种应用场景，提供超过22个数据集和8万道评测题目。

FlagEval 的主要功能

• 01
  能力亮点 01

  多维度评测框架

• 02
  能力亮点 02

  丰富的评测数据集

• 03
  能力亮点 03

  多模态支持

• 04
  能力亮点 04

  自动化评测机制

• 05
  能力亮点 05

  广泛的模型覆盖

• 06
  能力亮点 06

  排行榜与结果展示

• 07
  能力亮点 07

  社区参与与持续更新

• 08
  能力亮点 08

  注册与登录

如何开始使用 FlagEval

1. 01
   进入 FlagEval 官网

   通过页面上的官网入口进入 flageval.baai.ac.cn，先确认当前可用的登录、试用或订阅方式。

2. 02
   选择最接近目标的功能

   优先从"多维度评测框架"开始测试，快速判断它是否适合你的任务。

3. 03
   形成固定使用流程

   围绕 AI模型评测 等高频需求，沉淀提示词、模板或固定操作路径。

4. 04
   接入实际业务

   当输出质量稳定后，再把 FlagEval 放入内容生产、设计、开发或办公协作流程中长期使用。

适合哪些场景？