Project Icon

reward-bench

用于评估使用如Starling、PairRM、OpenAssistant和DPO等算法的奖励模型的能力和安全性的基准工具

RewardBench是一款基准工具,用于评估使用如Starling、PairRM、OpenAssistant和DPO等算法的奖励模型的能力和安全性。该工具提供通用的推理代码、统一的数据集格式和测试,以确保公平评估,并拥有强大的分析与可视化功能。用户可以通过pip快速安装并运行评估脚本,测试各种奖励模型的性能和偏好集。

BenchMARL - 多智能体强化学习的标准化基准测试平台
BenchMARLGithubTorchRL多智能体强化学习开源项目环境集成算法比较
BenchMARL是一个专注于多智能体强化学习(MARL)的开源训练库,旨在提供标准化接口实现不同算法和环境的可重复性比较。它基于TorchRL后端,支持高效实现和灵活配置,可轻松集成新算法和环境。BenchMARL提供了统一的评估体系,支持marl-eval兼容的数据报告,为MARL研究提供了可靠的基准测试平台。
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。
Safe-Reinforcement-Learning-Baselines - 综合安全强化学习研究资源库
GithubSafe Reinforcement Learning基准测试安全强化学习开源项目环境算法
Safe-Reinforcement-Learning-Baselines项目汇集了安全强化学习领域的多种基线算法和基准环境,涵盖单智能体和多智能体场景。该资源库提供环境支持、算法实现、相关调查、学术论文和教程等全面内容,为研究人员提供系统性的安全强化学习工具和参考资料,促进该领域的持续发展和创新。
PairRM - LLM质量提升的Pairwise奖励模型
GithubHuggingfaceLLM评估Pairwise Reward ModelRLHF方法开源项目模型相对质量高效解码
Pairwise Reward Model通过比较一对候选输出对每个候选分配质量评分。该模型可用于有效评估LLM质量,通过对候选输出重新排序,增强LLM输出效果,并支持RLHF方法的指令调整。模型基于microsoft/deberta-v3-large,利用多样化的人类偏好数据集进行训练,性能接近GPT-4,在有限资源下实现高效对齐和质量提升。
ML-Bench - 评测大型语言模型和代理在代码库级机器学习任务上的效果
GitHub仓库GithubML-Bench代码评估大语言模型开源项目机器学习任务
本文详细说明了如何在代码库级别评估大型语言模型和代理的表现,包括环境设置、数据准备、模型微调和API调用等内容。提供了相关脚本和工具,帮助研究者复现实验结果,适用于机器学习和模型评估领域的专业人员和研究者。
LawBench - 通过司法认知多维度评估大模型法律能力
GithubLawBench大语言模型开源项目数据集法律知识评估认知水平
LawBench通过模拟司法认知的三个维度,设计了20个任务,全面评估大语言模型的法律能力。这些任务包括法律知识记忆、理解和应用,涵盖了法律实体识别、阅读理解、犯罪金额计算和咨询等实际应用场景。LawBench还设立了“弃权率”作为独立评估指标,以衡量模型在法律问询下的回应情况。通过注重实际应用,LawBench为用户提供了可靠的大语言模型法律能力评估工具。
Safe-Policy-Optimization - 安全强化学习的全面算法基准平台
GithubPKU-AlignmentSafe-Policy-OptimizationSafety-Gymnasium安全强化学习开源项目算法基准
Safe-Policy-Optimization为安全强化学习(Safe RL)提供了全面的算法基准平台。该项目整合了多种算法和环境,支持单智能体和多智能体任务,具备正确性、可扩展性、日志记录和可视化等特性。通过统一的接口和详细文档,Safe-Policy-Optimization简化了安全RL算法的评估和比较流程,为研究人员提供了强大的实验工具。
FL-bench - 开源联邦学习基准测试平台
FL-benchGithub个性化联邦学习开源项目算法实现联邦学习领域泛化
FL-bench是一个开源的联邦学习基准测试平台,实现了多种经典和前沿算法。平台支持个性化联邦学习和域泛化等研究方向,提供简单接口用于自定义数据集和模型。集成了可视化工具,方便研究人员快速实现和对比不同方法。FL-bench旨在促进联邦学习领域的创新与发展。
Skywork-Reward-Llama-3.1-8B - 开源奖励模型的紧凑数据集设计
GithubHuggingfaceSkywork Reward开源项目数据集文本分类模型算法
Skywork-Reward-Llama-3.1-8B通过80K优质偏好对数据集,展示了无需改变算法或架构即可实现高效奖励建模的潜力,在数学、编码和安全领域中表现出色,且在RewardBench排行榜中占据领先地位。
benchllm - 简化大语言模型和AI应用的连续集成与测试
BenchLLMGithubLLMPython开源开源项目测试
BenchLLM是一个开源Python库,用于简化大语言模型和AI应用的测试。它提供多种测试和评估方法,包括语义相似度和字符串匹配,并具有缓存功能。BenchLLM支持链、代理和各种LLM模型的测试,有助于消除不稳定因素,确保代码的可靠性。便捷的安装和使用方式使其适用于开发者进行自动化集成和模型评估。
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。

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