C-Eval：中文大语言模型评测基准

C-Eval是由上海交通大学、清华大学和爱丁堡大学研究人员推出的中文大模型评估套件，用于测试模型的中文知识理解、推理和泛化能力。数据集包含约1.4万道选择题，覆盖52个学科及四个难度等级。

主要特点

• 覆盖STEM、社会科学、人文科学等多个领域
• 包含基础到高级四个难度级别
• 支持零样本和少样本评测
• 提供标准化准确率指标
• 支持不同中文大模型横向比较

使用方式

用户可从Hugging Face下载C-Eval数据集，加载待评测模型并构建零样本或少样本提示，生成答案后计算验证集准确率；测试集结果可提交官方平台获取评分。

适用场景

适合中文大模型研发、学术研究、模型选型、教育评测、行业能力验证和模型优化。