专业知识库与评测机构：FlagEval（智源）
专业知识库与评测机构 · FlagEval（智源）。语言与多模态评测体系。本来源共收录 5 条已通过本类收录机制的资料，均可直接跳转到原始来源。
本类权威分层：A2–B。收录机制：核心资料全收；按各二级来源自身的数据库、方法、版本与榜单结构收录，不设跨机构统一评分机制。
FlagEval 天秤平台用户手册与评测入口
说明 FlagEval 的榜单浏览、评测申请、控制台流程及语言和多模态评测入口。
证据用途：支持平台评测流程和当前可用功能；具体榜单结论需绑定其存档版本。
使用边界：部分功能需注册审核；公开方法与榜单维护状态需逐期确认
关联概念：model-evaluation
链接复核时间：2026-09-24
FlagEval 天秤评测体系
介绍语言、多模态、科学与安全等评测能力和平台结构。
证据用途：支持确认 FlagEval 的产品范围与官方入口。
使用边界：部分评测需申请或登录；榜单和数据集维护状态需按页面版本确认
关联概念：model-evaluation
链接复核时间：2026-09-24
FlagEval 评测操作流程
说明评测申请、模型接入、任务执行与结果发布流程。
证据用途：支持判断 FlagEval 结果的生成和审核环节。
使用边界：部分评测需申请或登录；榜单和数据集维护状态需按页面版本确认
关联概念：model-evaluation
链接复核时间：2026-09-24
FlagEval Arena 介绍
说明匿名对战、用户投票和竞技场排名机制。
证据用途：支持解释平台偏好评测结果。
使用边界：部分评测需申请或登录；榜单和数据集维护状态需按页面版本确认
关联概念：model-evaluation
链接复核时间：2026-09-24
FlagEval 多模态评测
汇总视觉语言和多模态生成相关任务、数据集与指标。
证据用途：支持核对多模态评测覆盖范围。
使用边界：部分评测需申请或登录；榜单和数据集维护状态需按页面版本确认
关联概念：model-evaluation
链接复核时间：2026-09-24