Project Icon

chain-of-thought-hub

大型语言模型复杂推理能力评估基准

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。

dclm - 大型语言模型训练与评估的开源综合框架
DataComp-LMGithub大语言模型开源项目数据处理模型训练评估
DataComp-LM是一个开源的大型语言模型训练和评估框架。它提供了超过300T的CommonCrawl标准语料库、基于open_lm的预训练方案和50多项评估指标。研究人员可利用该框架在411M至7B参数规模下进行数据集构建实验。通过数据集优化,DataComp-LM已显著提升了模型性能,创建了多个跨规模表现优异的高质量数据集。
reasoning-on-graphs - 基于大语言模型和知识图谱的忠实可解释推理
GithubReasoning on GraphsRoG大型语言模型开源项目知识图谱解释性推理
利用大语言模型与知识图谱,提供优化的规划-检索-推理框架,实现忠实与可解释的推理。预训练权重和自动下载的数据集简化了关系路径生成和答案推理过程,并支持多种大语言模型的插拔式推理,使推理结果更具解释性和灵活性。
internlm2-chat-7b - 70亿参数大模型实现20万字超长文本理解及多场景智能对话
GithubHuggingfaceInternLM2人工智能代码解释器大语言模型开源项目模型超长上下文
InternLM2-chat-7b作为书生·浦语第二代大模型的70亿参数版本,搭载20万字超长上下文理解技术,在复杂推理、数学运算、代码编程等核心任务上性能卓越。模型集成代码解释器和数据分析工具,通过增强型工具调用机制高效完成多步骤任务。在MMLU、AGIEval等主流评测基准上展现出同级别最优性能。该开源项目面向学术研究完全开放,同时提供免费商业授权渠道。
HallusionBench - 探索视觉语言模型的幻觉与错觉问题
AI评估GithubHallusionBench图像理解多模态模型开源项目视觉语言模型
HallusionBench是一个诊断视觉语言模型中语言幻觉和视觉错觉的测试集。通过图像-文本推理任务,它挑战了GPT-4V和LLaVA-1.5等顶级多模态模型。项目提供案例分析,揭示模型局限性,为改进提供见解。HallusionBench设有公开评测基准,欢迎研究人员贡献失败案例,推动多模态AI发展。
ChatEval - 使用多智能体辩论改进大语言模型评估
ChatEvalGithubLLM人工智能多智能体辩论开源项目文本评估
ChatEval项目通过多智能体辩论方式改进大语言模型(LLM)的评估过程。该项目让多个LLM扮演不同角色,自主讨论和评判生成文本,简化了人工评估流程。ChatEval提供互动演示平台,用户可比较不同模型回答,并观察LLM裁判如何评估。这种方法提高了评估的客观性和透明度,为改进LLM性能提供了有价值的见解。
MiniChain - MiniChain 简化大语言模型编程的轻量级库
GithubMiniChainOpenAIPython开源项目提示链语言模型
MiniChain是一个轻量级的大语言模型编程库,通过简洁的API简化AI开发过程。它支持Python函数注释、链式调用、模板系统和可视化功能,便于实现复杂AI任务。MiniChain兼容OpenAI、Hugging Face和Google Search等多种后端,提供灵活选择。该库可用于实现检索增强QA、记忆型聊天和信息提取等多种AI应用,以简洁代码完成各种流行方法。
LangChain - LangChain的C#实现
C#GithubLLMsLangChainSemanticKernel开源项目数据库
LangChain的C#实现提供了一个灵活且可扩展的大型语言模型框架,支持多种第三方库。该项目适用于创建和管理向量数据库,并能够集成多种LLM模型。团队对拉取请求响应迅速,并欢迎更多开发者参与提升项目质量。查询项目Wiki和示例代码以快速入门。
cumulative-reasoning - 累积推理方法提升大语言模型复杂任务表现
GPT-4Github人工智能大语言模型开源项目数学问题解决累积推理
Cumulative Reasoning项目开发了新型累积推理方法,显著提升大语言模型在复杂任务中的表现。该方法在24点游戏中达到98%准确率,在MATH数据集上实现72.2%准确率。项目还基于元提示技术开发CR Agent Assistant,为解决数学问题提供高效工具。研究表明,累积推理方法在各类数学问题上优于现有方法,尤其在高难度问题上表现出色。
opencompass - 开源大型语言模型评估平台
CompassHubCompassKitCompassRankGithubOpenCompass大模型评估开源项目
OpenCompass 2.0集成CompassKit、CompassHub和CompassRank三大关键组件,致力于实现大型语言模型评估的全面性、开放性和可复现性。平台特色包括全面的模型和数据集支持、高效的分布式评估系统、多样化的评估方法以及高度可扩展的模块化结构。
long-form-factuality - 大型语言模型长篇文本事实性评估工具集
F1@KGithubLongFactSAFE大语言模型开源项目长篇事实性
Long-form-factuality项目提供了一套完整的工具和方法来评估大型语言模型生成长篇文本的事实准确性。项目包括LongFact提示集、SAFE评估器和F1@K指标。研究人员可以利用这些工具对OpenAI和Anthropic等模型进行基准测试,深入探究语言模型在长篇事实性文本生成方面的表现。项目代码开源,便于复现实验结果和进行further研究。
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。

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