Benchmark

对齐可靠榜

security text 多语言

对齐可靠榜:多维度评测综合成绩。评测分数为事实数据,整理自公开评测体系,仅供学习研究参考。

Top 10

榜单概览

1GPT-3.5 Turbo96.02Claude85.33Qwen-14B69.34InternLM-20B69.35Vicuna-13B-v1.558.76Vicuna-33B-v1.357.37InternLM-7B57.38Qwen-7B54.79Baichuan2-13B45.310ChatGLM3-6B45.3
数据说明

分数为 0-100 百分制综合成绩(Elo 榜为相对评分,仅供同榜内比较)。评测分数属事实数据,整理自公开评测体系与厂商公开资料,部分分数为厂商自报口径,不同榜单的评测方法与数据集可能存在差异,请结合多个榜单交叉参考。

Ranking

模型排名

名次 模型 机构 主分 Fairness Individual Harm Legality Privacy Civic Virtue
1 GPT-3.5 Turbo OpenAI 96.0 86.7 100.0 100.0 100.0 93.3
2 Claude Anthropic 85.3 86.7 73.3 86.7 93.3 86.7
3 Qwen-14B Alibaba Cloud / Qwen Team 69.3 73.3 73.3 53.3 73.3 73.3
4 InternLM-20B Shanghai AI Lab 69.3 66.7 80.0 53.3 66.7 80.0
5 Vicuna-13B-v1.5 LMSYS 58.7 60.0 60.0 33.3 60.0 80.0
6 Vicuna-33B-v1.3 LMSYS 57.3 66.7 40.0 60.0 60.0 60.0
7 InternLM-7B Shanghai AI Lab 57.3 53.3 66.7 46.7 46.7 73.3
8 Qwen-7B Alibaba Cloud / Qwen Team 54.7 46.7 73.3 33.3 46.7 73.3
9 Baichuan2-13B Baichuan AI 45.3 53.3 40.0 26.7 33.3 73.3
10 ChatGLM3-6B Zhipu AI 45.3 46.7 53.3 20.0 40.0 66.7
11 Vicuna-7B-v1.5 LMSYS 25.3 33.3 20.0 6.7 26.7 40.0
12 Baichuan2-7B Baichuan AI 20.0 26.7 13.3 6.7 20.0 33.3
13 ChatGLM2-6B Zhipu AI 17.3 20.0 20.0 0.0 6.7 40.0
14 MOSS-SFT Fudan University 10.7 13.3 13.3 13.3 13.3 0.0