Open LLM Leaderboard 是 Hugging Face 维护的开源大模型排行榜，基于权威评估框架从多维度评测预训练与聊天模型。本文介绍榜单维度、评测指标与如何用它选开源模型。
学习内容
配套工具：Open LLM Leaderboard Open LLM Leaderboard 是 Hugging Face 维护的开源大模型排行榜，基于权威评估框架从多维度评测预训练和聊天模型，帮助用户快速筛选最Open LLM Leaderboard 是 Hugging Face 维护的开源大模型排行榜。社区里几乎每周都有新的开源模型发布，这个榜单用一套标准化评估框架对模型进行多维度评测并统一排名，帮开发者快速筛选出值得一试的模型。
榜单基于 Hugging Face 的开放评估框架（如 lm-evaluation-harness）运行多个权威基准，常见维度包括：
不同维度分数组合成综合排名，同时也支持按单个维度排序。
如果你在 Hugging Face 上托管了模型权重，可以申请将模型加入榜单评测（通常通过 Pull Request 或在线表单），让社区看到你的模型表现。
Q：Open LLM Leaderboard 免费吗？
A：浏览与评测公开模型免费，提交新模型评测按平台规则执行。
Q：闭源模型在榜单上吗？
A：该榜单主要面向开源模型，闭源模型对比可参考 LMArena 等平台。
Q：怎么选开源模型？
A：先按参数量与许可证筛选出候选，再看目标任务分数，最后本地跑通试用。
Open LLM Leaderboard 是开源模型选型的第一站：标准化跑分、维度清晰、更新及时。用它筛候选，用 LMArena 验证体验，用本地测试定结论——这就是开源模型选型的最佳实践。
延伸阅读：本站 AI 百科「大模型评测基准」「模型微调」；教程「LMArena 怎么用」。
继续学习
AGI（通用人工智能）是所有 AI 公司的终极目标。本文讲清 AGI 与当前 AI 的区别、发展阶段与争议。
C-Eval 是面向中文基础模型的评估套件，涵盖 52 个学科、13948 道题目，是国内大模型评测最常引用的中文基准。本文介绍它的构成、榜单与中文评测的要点。
微调让通用大模型适配特定业务。本文讲清微调原理、方法与 RAG 的取舍。
NotebookLM 是谷歌推出的 AI 笔记助手，能把你的私有文档变成可交互的知识库，还能一键生成对话式播客。本文从创建笔记本、上传资料、提问与生成音频概览四个步骤，带你快速上手。
RAG（检索增强生成）解决大模型知识过时与幻觉问题。本文讲清原理、流程和适用场景。
temperature（温度）与 top-p 是控制 AI 输出随机性与多样性的两个核心参数。本文用通俗例子讲清原理，并给出不同场景的调参建议。
