本文介绍了多个中文大模型评测基准：CMMLU覆盖多学科，多数模型准确率不足50%；CMMU、CMMMU评测多模态理解；M3KE测多学科少样本能力，GPT-3.5约48%；ZhuJiu多维评估中文能力；SuperCLUE显示GPT-4可自动评估用户偏好。此外还提及韩语基准KMMLU及大规模多模态数据集Wan Juan。