lm-evaluation-harness

统一测试生成式语言模型的多任务评估框架

Language Model Evaluation Harness Open LLM Leaderboard GPT-NeoX Hugging Face vLLM Github 开源项目

该项目提供统一框架，用于评估生成式语言模型，通过60多个标准学术基准和数百个子任务实现多样化测试。更新包括新的Open LLM Leaderboard任务、内部重构、基于配置的任务创建、Jinja2提示设计支持等高级配置选项，旨在简化和优化模型评估。支持快速高效推理、商业API、本地模型和基准测试。被广泛应用于机构如NVIDIA、Cohere、BigScience等，也支撑了🤗 Hugging Face的Open LLM Leaderboard。

访问官网

Github

Huggingface

介绍相关项目

LLMCompiler - 提升大语言模型性能的并行函数调用框架

GithubLLMCompiler优化编排并行函数调用开源项目效率提升模型兼容

LLMCompiler框架通过并行函数调用提升大语言模型的执行效率。它自动识别可并行任务，减少延迟和成本，同时提升准确性。用户只需提供工具和上下文示例，LLMCompiler就能优化函数调用编排。支持开源和闭源模型，包括LLaMA和OpenAI的GPT模型。LLMCompiler在不同任务中展示了显著的延迟加速、成本节省和准确性提升，是处理复杂问题的理想工具。

alpaca_eval - 精确且成本低的指令追随语言模型自动评估工具

AlpacaEvalGPT-4Githubinstruction-following开源项目自动评价评估

AlpacaEval是一款基于LLM的自动评估工具，针对指令追随模型（如ChatGPT）的评估，具备快速、低成本和高度人类相关性（0.98）的特点。主要功能包括模型排行榜、自动评估器、评估器构建工具包及20K人工偏好数据。AlpacaEval 2.0通过长度控制胜率，提高了与ChatBot Arena的对应性，适合模型开发阶段的快速评估。

evalscope - 综合性大语言模型评估开源工具

EvalScopeGithub可视化大语言模型开源项目模型集成评估框架

EvalScope是一个全面的大语言模型评估框架，集成了多种基准数据集和评估指标。该框架提供模型集成、自动评估和报告生成功能，并支持Arena模式和可视化分析。通过整合OpenCompass和VLMEvalKit评估后端，EvalScope实现了多模态评估能力。此外，它能与ModelScope SWIFT平台无缝对接，支持大模型的端到端开发流程。

evaluate - 多框架兼容的机器学习评估工具库

EvaluateGithub开源项目指标机器学习模型比较评估

evaluate是一个开源的机器学习评估工具库，支持Numpy、Pandas、PyTorch、TensorFlow和JAX等多种框架。它提供了数十种涵盖自然语言处理和计算机视觉等领域的常用评估指标。用户可以使用evaluate进行模型评估、性能对比和结果报告。该库还支持创建新的评估模块并推送至Hugging Face Hub，便于比较不同指标的输出。evaluate的其他特点包括类型检查、指标卡片和社区指标功能，为研究人员和开发者提供了全面的模型评估支持。

instruct-eval - 指令调优的大型语言模型的评估和比较

AlpacaFlan-T5GithubIMPACTInstructEvalLLM开源项目

InstructEval项目专注于全面评估和比较指令调优的大型语言模型（如Flan-T5和Alpaca），并提供简便的基准测试库和排行榜。该项目支持多种模型和任务，使研究者能够轻松直观地在学术基准（如MMLU和BBH）上比较模型表现。此外，InstructEval发布了用于评估LLM写作能力的IMPACT数据集和安全评估基准Red-Eval，为用户提供多样的测试工具和资源。

ZeroEval - 统一评估框架测试语言模型零样本推理

AI框架GithubZeroEval任务性能开源项目语言模型评估零样本学习

ZeroEval是一个评估语言模型零样本推理能力的统一框架。它通过控制提示、采样和输出解析等因素，在MMLU、GSM等任务上测试指令微调模型的性能。该框架要求模型以JSON格式输出推理过程和答案，并持续扩展评估任务范围。

LabelLLM - 开源数据标注平台优化LLM开发流程

GithubLabelLLM人工智能多模态开源开源项目数据标注平台

LabelLLM是一个开源数据标注平台，旨在优化大型语言模型(LLM)开发中的数据标注流程。该平台提供灵活配置、多模态数据支持、全面任务管理和AI辅助标注功能。LabelLLM适合独立开发者和中小型研究团队使用，可显著提高数据标注效率，为LLM训练数据准备提供有力支持。

bench - LLM性能评估与工作流标准化工具

BenchGitHubGithubLLMpython开源项目评估

Bench是一款适用于生产环境的LLM评估工具，支持比较不同的LLM、提示词和生成超参数（如温度和令牌数量）。它提供统一接口，实现LLM评估流程标准化，可测试开源LLM在特定数据上的表现，并将排行的排名转化为实际用例评分。用户可以安装Bench、创建并运行测试套件，通过本地UI查看结果。

LLM-Tool-Survey - 大型语言模型工具学习调查研究

Github人工智能大语言模型工具学习开源项目综述自然语言处理

该研究系统性调查大型语言模型(LLMs)通过工具学习增强解决复杂问题能力。从工具学习的优势和实现方法两方面全面回顾现有文献,总结基准测试和评估方法,讨论当前挑战和未来方向,为相关研究和开发提供见解。

mlx-llm - 在Apple Silicon上实时运行的高级语言模型应用与工具

Apple SiliconGithubHuggingFaceLarge Language ModelsQuantizationmlx-llm开源项目

mlx-llm支持用户在Apple Silicon设备上实时运行高级语言模型（LLMs）的应用和工具。该项目支持多种预训练模型，并提供简便的安装方法。用户可以加载新版预训练权重、进行模型量化及嵌入提取。此外，mlx-llm还覆盖了多种应用场景，包括命令行聊天、LoRA或QLoRA微调及检索增强生成（RAG）等。

相关项目

项目侧边栏1

项目侧边栏2

推荐项目

Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

稿定AI

稿定设计是一个多功能的在线设计和创意平台，提供广泛的设计工具和资源，以满足不同用户的需求。从专业的图形设计师到普通用户，无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑，稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合，帮助用户轻松实现创意设计。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com

@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号