Logo
Project Icon

LongBench

双语长文本理解多任务评估

LongBench长文本理解大模型评估多语言Github开源项目

LongBench首次为大语言模型的长文本理解能力提供双语、多任务的全面评估基准。它覆盖中文和英文，包含六大类共21种任务，适用于单文档QA、多文档QA、摘要提取、少样本学习、合成任务和代码补全等场景。该项目提供自动化评估方法以降低成本，并涵盖平均长度为5k至15k的测试数据。同时，LongBench-E测试集通过统一采样，分析模型在不同输入长度的性能表现。

GithubGithubHuggingfaceHuggingface论文论文
介绍相关项目
speech-to-text-benchmark - 开源语音识别基准测试框架对比多家主流引擎
Github基准测试开源项目模型大小计算效率识别准确率语音转文本
该项目提供了一个开源的语音识别基准测试框架，对比了Amazon、Azure、Google等主流云服务以及OpenAI Whisper、Picovoice等引擎的性能。框架使用LibriSpeech、TED-LIUM和Common Voice数据集，评估词错率、计算效率和模型大小等指标。测试结果客观展示了各引擎在准确度和资源消耗方面的表现，为选择语音识别解决方案提供了参考依据。
LongWriter - 将长文本生成推向新高度 超越传统模型局限
GithubLongWriter人工智能开源项目自然语言处理语言模型长文本生成
LongWriter项目旨在突破大语言模型长文本生成的限制。该模型可生成超10,000字的连贯长文,并开源了自动化超长输出数据构建流水线AgentWrite。项目在长文本生成质量和长度上均有显著进展,为长篇内容生成应用开辟新途径。
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。
led-large-book-summary - 探索BookSum数据集带来的长文档摘要新挑战
BookSumGithubHuggingfacesummarization开源项目数据集文本摘要模型长文档
本项目通过BookSum数据集应对长篇叙述的摘要挑战。该数据集包含来自文学领域的小说、戏剧和故事，提供段落、章节和书籍级别的人工摘要。其独特的结构与内容对摘要系统提出了处理长文档及复杂因果和时间关系的挑战。项目组还基于该数据集训练并评估了不同类型的基线模型。
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。
gte-large-zh - 中文语义相似度与检索的卓越表现模型
GithubHuggingfaceMTEBgte-large-zhsentence-transformers开源项目模型自然语言处理语义相似度
gte-large-zh模型在MTEB中文基准测试中表现突出，涵盖句子相似度、文本分类、聚类、重排序和检索等多个任务。该模型在CMNLI和JDReview等数据集上的准确率超过80%，为中文自然语言处理应用提供了稳定的语义理解基础。
T-Eval - 分步骤评估大语言模型工具使用能力的基准测试框架
GithubT-Eval基准测试大语言模型工具使用能力开源项目评估
T-Eval是一个评估大语言模型工具使用能力的基准测试框架。它将评估过程分解为指令遵循、规划、推理、检索、理解和审查等多个子过程，实现了细粒度分析。该项目提供英文和中文评测数据集、测试脚本和排行榜。T-Eval为研究人员和开发者提供了一个深入分析语言模型工具使用能力的新方法。
deep-text-recognition-benchmark - 基于深度学习方法的文本识别
GithubPyTorch场景文本识别开源项目数据集模型分析深度学习
该项目是一个开源的场景文本识别框架，通过四阶段的官方PyTorch实现，支持现有大多数STR模型。它允许在统一的数据集上，评估各个模块的性能表现，包括准确性、速度和内存需求，并已被多个国际竞赛验证。用户可使用预训练模型进行测试，或进行更深入研究。
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。
internlm2-1_8b - 18亿参数开源语言模型支持20万字超长上下文输入
GithubHuggingfaceInternLM大语言模型开源模型开源项目性能评测模型超长上下文
InternLM2-1.8B是一个18亿参数的开源语言模型，包含基础模型、对话模型和RLHF对齐版本。它支持20万字的上下文输入，在长文本理解、推理、数学和编程方面表现优异。该模型开放学术研究使用，并提供免费商业授权申请渠道。
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

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