CL-bench是一个专注衡量大语言模型从全新上下文信息中实时学习、应用知识的核心能力。该基准包含500个专家精心构建的复杂场景、1899个任务，全面覆盖领域知识推理、规则系统应用、程序性任务执行和经验发现与模拟四大类别。

LLMEval3是目前国内外最权威的大语言模型（LLM）‍专业知识评测基准之一。它由复旦大学自然语言处理实验室推出，旨在填补通用模型评测中对学科深度和专业应用能力的空白。