📝

Author: jiangyangcreate

docs/docs/机器学习/大语言模型部署/模型社区.md

@@ -132,4 +132,13 @@ while True:
 
 - INT8 (8-bit Integer)：INT8通过将模型权重量化为8位整数，显著减少存储和计算需求，适用于大部分推理任务，但会带来一定的精度损失。
 - INT4 (4-bit Integer)：INT4进一步减少存储和计算需求，能提供更快的推理速度和更低的内存占用，但精度损失更大，且支持较为有限。
-- FP16 (16-bit Floating Point)：FP16通过使用16位浮点数减少存储需求，精度损失较小，但计算开销高于INT8和INT4，适合精度要求较高的任务。
+- FP16 (16-bit Floating Point)：FP16通过使用16位浮点数减少存储需求，精度损失较小，但计算开销高于INT8和INT4，适合精度要求较高的任务。
+
+
+## 模型排名
+
+为了更好的了解当下模型性能，我们列举了几个模型排名网站，这些网站通过主观测试（人工盲选较优模型）或者客观测试（自动通过含有答案的测试对比准确度），对模型进行排名，并给出排名结果。
+
+- Hugging Face 模型排名：[https://huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboard](https://huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboard)
+- 司南排名：[https://opencompass.org.cn/arena](https://opencompass.org.cn/arena)
+- 天秤排名：[https://arena.flageval.net/index.html#/arena-page?l=zh-CN](https://arena.flageval.net/index.html#/arena-page?l=zh-CN)