UHGEval

中文大语言模型无约束生成幻觉评估基准

UHGEval 大语言模型幻觉评估中文评估基准 Eval Suite Github 开源项目

UHGEval是一个评估中文大语言模型在无约束生成任务中幻觉现象的基准。该项目基于文本生成和幻觉收集，融合自动标注与人工审核。UHGEval提供判别式、生成式和选择式等多种评估方法。项目还包含Eval Suite评估框架，支持多个幻觉评估基准，可全面评估单个大语言模型的表现。

SuperCLUE - 中文大模型综合能力评估基准

GithubSuperCLUE中文大模型人工智能开源项目评测基准语言模型

SuperCLUE是针对中文大语言模型的综合评测基准，从语言理解生成、专业知识、智能体和安全四个维度评估12项基础能力。包含开放问题、客观题测评及AI Agent能力评估，为中文大模型发展提供全面客观的参考标准。

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。

JudgeLM - 大语言模型开放场景高效评估技术

GithubJudgeLM大语言模型开放式任务开源项目微调模型评估

JudgeLM是一个用于训练和评估大语言模型评判器的开放平台。通过微调技术，该项目实现了对开放场景中大语言模型的高效评估，评判一致性超过人类水平。JudgeLM提供先进的评判器训练和评估代码，能够处理单一回答、多模态模型、多个回答和多轮对话等任务。此外，该平台还集成了分布式多模型服务系统和Web界面，方便用户使用和部署。

sql-eval - 开源SQL生成质量评估框架

API集成GithubSQL评估开源项目性能优化数据库查询生成

sql-eval是一个开源项目，提供全面的SQL生成质量评估框架。它基于Spider数据集schema，包含精选问题和查询。支持PostgreSQL、Snowflake等多种数据库，可集成OpenAI、Anthropic API及本地Hugging Face模型。通过比较生成查询与标准查询结果评估性能，为SQL生成模型开发和优化提供支持。

LLMGA - 用于精确图像生成和编辑的多模态大语言模型

ECCV2024GithubLLMGA图像生成多模态大模型开源项目

LLMGA基于多模态大语言模型，提供图像生成与编辑解决方案。结合Stable Diffusion和详细语言生成提示，项目提升了上下文理解并减少生成过程中的噪音，增强图像内容的精度。LLMGA支持文本到图像（T2I）、补画、扩画及指令编辑，适用于Logo设计、海报制作和故事绘本生成，支持中英文指令。广泛的模型和数据集选择满足不同需求，是理想的图像生成和编辑助手。

uptrain - 开源平台评估优化LLM应用

GithubLLM应用UpTrain开源平台开源项目改进评估

UpTrain是一个专注于评估和优化大型语言模型(LLM)应用的开源平台。它提供全面的工具和功能,用于衡量LLM应用性能、识别问题并持续改进。该平台支持自动化评估、错误分析和性能跟踪,有助于提高LLM应用的质量和可靠性。UpTrain提供多种评估指标和定制选项,适用于各种LLM应用场景。

MMBench - 全面评估多模态大模型能力的基准测试

GithubMMBench多模态模型开源项目循环评估视觉语言模型评估基准

MMBench是评估视觉语言模型多模态理解能力的基准测试集。它包含近3000道多项选择题,涵盖20个能力维度,采用循环评估和LLM选项提取等创新方法,提供可靠客观的评估。通过细粒度的能力测试和可重复的评价标准,MMBench为多模态模型开发提供了有价值的反馈。

EVA - 推进大规模视觉表示学习的前沿

CLIPEVAGithub多模态学习开源项目自监督学习视觉表示

EVA是北京智源人工智能研究院开发的视觉表示学习模型系列。它包括多个子项目，如EVA-01和EVA-CLIP，致力于探索大规模掩码视觉表示学习的极限和改进CLIP训练技术。这些模型在主流平台上提供，为计算机视觉研究提供了有力支持。EVA项目涵盖基础模型、自监督学习和多模态学习等前沿领域。

CritiqueLLM - 大型语言模型输出评估的智能批评生成框架

CritiqueLLMGithub人工智能大语言模型开源项目自然语言处理评估

CritiqueLLM是一个用于评估大型语言模型输出的批评生成框架。该项目提供了数据收集、参考评分、无参考评分和配对比较等功能。通过支持逐点评分和成对比较，CritiqueLLM能生成详细的批评信息，为研究人员和开发者提供了全面的评估工具，有助于分析和改进大型语言模型的表现。

Awesome-LLMs-Evaluation-Papers - 大型语言模型评估研究论文综述

GithubLLMs评估大语言模型安全性评估对齐性评估开源项目知识能力评估

该项目汇总了大型语言模型(LLMs)评估领域的前沿研究论文，涵盖知识能力、对齐性和安全性评估等方面。还包括特定领域的LLMs评估和综合评估平台介绍。旨在为研究人员提供全面的LLMs评估资源，推动语言模型的可靠发展，平衡社会效益与潜在风险。

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