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

MAmmoTH2-7B-Plus - 增强大型语言模型推理能力的创新研究

GithubHuggingfaceMAmmoTH2大语言模型开源项目指令微调数学推理模型

MAmmoTH2项目通过创新的指令微调技术，提升大型语言模型在推理基准上的显著表现。该项目高效采集了来自预训练网络语料的1000万条指令-响应对，成功开发出无需特定领域数据且在MATH与GSM8K基准上表现优异的模型。MAmmoTH2-Plus进一步基于公共数据进行训练，在推理与聊天机器人领域设定了新标准。本项目展示了一种获取大规模优质指令数据的高性价比方法，提供了增强大型语言模型推理能力的全新视角。

omnichain - AI语言模型的可视化编程工具

AI语言模型APIGithubLLMOmniChain可视化编程开源项目

OmniChain是一个为AI语言模型设计的可视化编程工具。它提供直观界面，便于构建和管理AI模型链。该工具支持多种LLM后端，提供API和示例，简化AI开发过程。OmniChain适用于开发从基础聊天机器人到复杂AI应用的各类项目。

ToG - 结合知识图谱的大语言模型深度推理框架

GithubICLRToG大语言模型开源项目深度推理知识图谱

ToG项目提出了一种结合知识图谱的大语言模型推理框架，旨在实现更深入、更负责任的推理能力。该框架在复杂问答和知识推理任务中展现了良好性能，有助于提升AI系统的可解释性和准确性。项目开源代码支持Freebase和Wikidata知识图谱，为相关研究提供了实验平台。

MAmmoTH2-8B-Plus - 基于网络数据的大规模指令微调方法

GithubHuggingfaceMAmmoTH2大语言模型开源项目推理能力模型算法评估语言模型训练

MAmmoTH2项目通过从网络预训练语料中高效收集1000万条指令-回答对来提升大语言模型的推理能力。该方法显著改善了模型在多个推理基准测试上的表现，如MAmmoTH2-7B (Mistral)在MATH和GSM8K测试中的得分大幅提升。这种方法不仅无需特定领域数据训练，还为获取大规模高质量指令数据提供了一种高效的途径，为增强大语言模型的推理能力提供了新的研究方向。

Awesome-Reasoning-Foundation-Models - 基础模型推理能力资源汇总

Github人工智能基础模型开源项目机器学习自然语言处理计算机视觉

langchain-learning - LangChain学习笔记

ChatGLMGithubLLMlangchainopenaiprompt工程开源项目

介绍LangChain学习笔记，包括数据连接、模型IO、代理和内存等核心组件的使用。提供中英文示例，解析LangChain与ChatGPT和ChatGLM的兼容性，并介绍基于LangChain的复杂任务解决方案。探讨LangChain的问题与限制，并提供领域微调、工具链整合和检索优化的方法，帮助深入理解和应用LangChain技术。

MMMU - 多学科多模态理解与推理基准评估专家级AGI

GPT-4V(ision)GithubMMMU专家AGI基准测试多模态理解开源项目

MMMU是一个新型基准测试，设计用于评估多模态模型在多学科任务中的表现，特别是需要大学水平的学科知识和深思熟虑的推理能力。该基准包含11.5K道来自大学考试、测验和教材的多模态题目，覆盖艺术设计、商业、科学、健康医学、人文社会科学及技术工程六大领域。不同于现有基准，MMMU专注于高级感知和领域特定知识的推理，挑战模型执行专家级任务。评估14个开源LMM和GPT-4V(ision)显示，即使是最先进的模型其准确率仅为56%，表明有巨大改进空间。

BotChat - 创新评估大语言模型多轮对话能力的基准

BotChat BenchmarkGPT-4GithubLLM对话生成开源项目评估

BotChat基准测试通过分析大语言模型生成的对话评估多轮聊天能力。基于MuTual-Test数据集,该项目生成了大规模模型对话数据,并采用单轮评估、BotChat Arena和人类对话对比等方法全面评估主流LLM对话质量。研究发现GPT-4表现最佳,部分小型开源模型在短对话中也有不错表现。这一创新基准为改进LLM对话能力提供了新思路。

tree-of-thought-puzzle-solver - 基于Tree-of-Thought框架的Sudoku解题器

GPT-3.5-turboGithubLLMOpenAISudokuTree-of-Thought开源项目

该项目展示了一种树形思维（Tree-of-Thought, ToT）框架的Sudoku解题器，旨在提升大型语言模型（LLMs）的复杂问题解决能力。ToT技术模仿人类通过探索和回溯的思维过程，具有动态调整和回溯的能力。项目实现包含多个模块，如prompter agent、checker module、memory module和ToT controller，并与LLM进行多轮对话，以实现智能求解。如需详细了解，请访问预印本。

LLMTest_NeedleInAHaystack - LLM长上下文检索能力测试工具

AnthropicCohereGithubLLMsNeedle In A HaystackOpenAI开源项目

LLMTest_NeedleInAHaystack是一个用于评估长上下文语言模型检索能力的开源工具。通过在长文本中插入特定信息并要求模型检索，它可以测试OpenAI、Anthropic和Cohere等主流LLM的性能。该项目提供灵活的参数配置和结果可视化，有助于研究人员和开发者分析不同模型的上下文理解能力。

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。

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