chain-of-thought-hub

大型语言模型复杂推理能力评估基准

复杂推理能力大语言模型 Chain-of-Thought LLM评估长文本处理 Github 开源项目

Chain-of-Thought Hub汇集了数学、科学、符号推理等多个领域的挑战性任务，旨在全面评估大型语言模型的复杂推理能力。该项目通过精选数据集和模型，为语言模型发展提供可靠参考。同时，它将链式思考提示工程视为新一代系统调用，为基于大型语言模型的应用生态系统发展奠定基础。

Github

论文

介绍相关项目

CogCoM - 链式操作助力视觉语言模型精细化理解

AI推理Chain of ManipulationsCogCoMGithub多模态开源项目视觉语言模型

CogCoM是一个新型视觉语言模型，采用链式操作技术逐步处理复杂视觉问题。该项目包含6种基本操作、级联数据生成流程和多轮多图像模型架构。CogCoM在对话、描述、定位和推理等方面表现出色，并在GQA、TallyVQA等多项基准测试中取得优异成绩。这个开源项目为研究人员提供了完整的代码、模型和数据集，促进了视觉语言模型在细节理解领域的发展。

LLMBox - 全面的大型语言模型训练与评估框架

GithubLLMBox大语言模型开源项目模型评估训练管道高效推理

LLMBox是一个综合性大型语言模型(LLM)库，集成了统一的训练流程和全面的模型评估功能。该框架旨在提供LLM训练和应用的完整解决方案，其设计注重实用性，在训练和使用过程中体现出高度的灵活性和效率。LLMBox支持多样化的训练策略和数据集，提供丰富的评估方法，并具备高效的推理和量化能力，为LLM的研究和开发提供了强大支持。

BIG-bench - 评估大型语言模型能力的开放基准

BIG-benchGithub任务创建基准测试开源项目模型评估语言模型

BIG-bench是一个开放的基准测试项目，致力于评估大型语言模型的能力并预测其未来发展。该项目包含200多个多样化任务，涉及算术、推理等多个领域。研究人员可通过JSON或编程方式贡献新任务，并利用公开模型进行评估。BIG-bench Lite作为24个精选任务的子集，提供了高效的模型性能评估方法。这一平台为深入研究语言模型能力提供了宝贵资源。

babilong - BABILong基准测试长文本处理能力评估大语言模型极限

BABILongGithub开源项目推理能力数据集语言模型评估长文本处理

BABILong是一个用于评估自然语言处理模型长文本处理能力的基准测试。它将bAbI数据集的任务句子隐藏在PG19背景文本中，生成长达数百万标记的测试样本。该基准包含20个推理任务，涉及事实链接、归纳、演绎和计数等多个方面。BABILong为评估和改进大语言模型的长文本处理能力提供了有效工具，同时也对现有长文本模型提出了挑战。

chameleon-llm - 插件式组合推理框架增强LLMs功能

ChameleonGPT-4GithubLarge Language ModelsScienceQATabMWP开源项目

Chameleon框架集成了多种工具，如视觉模型、Web搜索引擎和Python函数，提升了大型语言模型（LLMs）的推理能力。基于GPT-4的自然语言规划，Chameleon能够精准推理工具的组合和执行顺序。在ScienceQA任务中，Chameleon的准确率为86.54%，领先当前模型11.37%；在TabMWP任务中，整体准确率达98.78%。其模块化设计和灵活工具调用机制使其适用于各种复杂任务。

Thought-Cloning - 模仿人类思维的智能体学习框架

GithubThought Cloning人工智能开源项目强化学习模仿学习神经网络

Thought Cloning是一种模仿学习框架，训练智能体模拟人类思维模式以提升性能和可解释性。该项目基于BabyAI环境实现，采用合成思维数据集。研究显示，这种方法能提高智能体在复杂任务中的表现和泛化能力。项目开源了代码、数据集和预训练模型，为研究人员提供了分析智能体思维过程的工具。

LogicKor - 韩语语言模型多领域推理能力评估工具

GithubLogicKor开源项目思考力基准测试推理评估数据集韩语语言模型

LogicKor是一个开源的韩语语言模型多领域推理能力评估基准。它提供推理和评估代码以及数据集，支持使用OpenAI或Azure模型进行评估。研究人员可以利用LogicKor生成推理结果并查看评分。该项目鼓励社区贡献，接受自我报告的基准测试结果，为韩语自然语言处理研究提供重要参考。

Prompt4ReasoningPapers - 整合并分析语言模型推理相关的专业论文

GithubLarge Language ModelsPrompt工程人工智能开源项目知识增强推理链式推理

Prompt4ReasoningPapers项目整合并分析语言模型推理相关的专业论文，旨在为研究者和实践者提供全面的技术洞察和实用策略。内容涵盖前沿研究成果、高级推理方法及工具的应用指南，帮助用户系统性理解并应用于实际问题解决。

internlm2_5-7b-chat - 卓越推理能力与百万字超长上下文的开源大模型

GithubHuggingfaceInternLM上下文窗口大语言模型工具使用开源项目推理能力模型

InternLM2.5-7B-Chat是一个开源的70亿参数大语言模型，在数学推理、百万字长文理解和工具调用等方面表现卓越。该模型在多项基准测试中超越同等规模模型，展现强大的综合能力。InternLM2.5-7B-Chat提供基础模型和对话模型，支持通过Transformers加载，并可使用LMDeploy、vLLM等方案部署，为开发者提供灵活的应用选择。

ToG - 将知识图谱与大语言模型结合的先进推理框架

GithubICLR 2024ToG大语言模型开源项目深度推理知识图谱

ToG是一个结合知识图谱与大语言模型的推理框架，通过'图思考'方式增强模型的推理能力。该框架支持Freebase和Wikidata知识图谱，显著提高了模型在复杂任务中的表现。ToG项目已在GitHub开源，提供了代码和详细说明，为相关研究提供了实验基础。该框架的创新在于深度融合知识图谱，实现了更精确和可靠的推理过程。

相关项目

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com