专业知识库与评测机构：OpenCompass 司南
专业知识库与评测机构 · OpenCompass 司南。开源评测体系与月度更新榜单。本来源共收录 6 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。
OpenCompass 大模型公开学术榜单
对主流开源与商业大模型进行多数据集横向评测，并公布细分得分。
证据用途：支持指定时间和配置下的中文生态模型横向比较。
使用边界：公开集可能存在污染；模型和数据集会滚动替换
关联概念：model-evaluation
链接复核时间：2026-09-24
CompassAcademic 榜单结果复现指南
解释学术榜的更新原则、实时配置和复现评测结果的方法。
证据用途：支持榜单配置、更新频率和结果复现边界。
使用边界：配置随版本演化；复现仍依赖模型访问条件
关联概念：model-evaluation
链接复核时间：2026-09-24
OpenCompass 评测框架总览
说明数据、模型、推理、评测和汇总模块的标准化流水线。
证据用途：支持理解 OpenCompass 结果如何生成和复现。
使用边界：配置、数据集和模型版本持续更新；公开数据集结果需考虑污染与提示敏感性
关联概念：model-evaluation
链接复核时间：2026-09-24
OpenCompass 数据集目录
集中列出支持的数据集、任务类型、样本规模与配置。
证据用途：支持核对评测覆盖与数据范围。
使用边界：配置、数据集和模型版本持续更新；公开数据集结果需考虑污染与提示敏感性
关联概念：model-evaluation
链接复核时间：2026-09-24
OpenCompass 指标计算说明
解释客观题、生成题和自定义任务的评分与汇总方式。
证据用途：支持正确解释不同任务的分数口径。
使用边界：配置、数据集和模型版本持续更新；公开数据集结果需考虑污染与提示敏感性
关联概念：model-evaluation
链接复核时间：2026-09-24
CompassArena 多模态竞技场
以用户成对偏好评估图文理解与生成模型。
证据用途：支持中文生态多模态模型的人类偏好比较。
使用边界：配置、数据集和模型版本持续更新；公开数据集结果需考虑污染与提示敏感性
关联概念：model-evaluation
链接复核时间：2026-09-24