Logo
Project Icon

instruct-eval

指令调优的大型语言模型的评估和比较

InstructEvalLLMFlan-T5AlpacaIMPACTGithub开源项目

InstructEval项目专注于全面评估和比较指令调优的大型语言模型（如Flan-T5和Alpaca），并提供简便的基准测试库和排行榜。该项目支持多种模型和任务，使研究者能够轻松直观地在学术基准（如MMLU和BBH）上比较模型表现。此外，InstructEval发布了用于评估LLM写作能力的IMPACT数据集和安全评估基准Red-Eval，为用户提供多样的测试工具和资源。

访问官网访问官网GithubGithubHuggingfaceHuggingface文档文档论文论文
介绍相关项目
chinese-llm-benchmark - 中文大模型性能基准测试与排行榜
CLiBGithub中文大模型开源模型开源项目能力排行评测榜单
项目持续更新,目前已评测113个中文大模型,包括GPT-4、文心一言、通义千问等商用模型和百川、Qwen、GLM等开源模型。评测维度全面,涵盖分类、信息抽取、阅读理解、数据分析、中文编码效率等。提供综合能力和细分能力排行榜,并开放原始评测数据。为选择和研究中文大模型提供客观依据。
InsTag - LLM监督微调数据分析与优化工具
GithubInsTagLLM开源项目数据分析标签系统监督微调
InsTag是大型语言模型监督微调数据分析工具,通过标记和分类用户查询,量化评估数据多样性与复杂性。该工具为研究人员提供模型训练优化依据,基于InsTag分析结果,仅需6K样本即可训练出TagLM模型。在MT-Bench评测中,TagLM表现优于多个开源LLM,凸显了InsTag在提升LLM训练效率方面的价值。
SPPO - 自我对弈优化提升语言模型对齐效果
AlpacaEval 2.0Gemma-2-9B-It-SPPO-Iter3GithubLlama-3-8B-InstructMistral-7B-InstructSPPO开源项目
SPPO采用自我对弈框架和新的学习目标，有效提升大规模语言模型性能。通过理论推导和多数据集实证验证，SPPO无需外部信号即可超越GPT-4等模型。该项目源代码和多个优化模型如Mistral-7B、Llama-3-8B、Gemma-2-9B均已开源，详情可参考相关论文。
llmperf - 开源工具评估大语言模型API性能
API测试GithubLLMLLMPerfRay开源项目性能评估
LLMPerf是一个评估大语言模型API性能的开源工具。它通过负载测试和正确性测试来衡量模型的响应延迟、生成吞吐量和输出准确性。该工具支持OpenAI、Anthropic、TogetherAI等主流LLM API,并可扩展适配新API。LLMPerf采用Ray框架处理并发请求,能够模拟实际负载环境。开发者和研究人员可利用LLMPerf便捷地评估和对比不同LLM API的性能表现。
LLMs-Planning - 大型语言模型规划与推理能力评估与分析工具
GithubLLM人工智能基准测试开源项目规划评估
LLMs-Planning项目包含PlanBench和大型语言模型规划能力分析两个子项目。PlanBench提供可扩展的基准测试，用于评估大型语言模型在规划和推理变化方面的表现。项目还对大型语言模型的规划能力进行了批判性调查，为自然语言处理和人工智能规划领域的研究者提供了重要参考。
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。
llm_benchmarks - 大语言模型评估基准集合
GithubLLM人工智能开源项目机器学习自然语言处理语言理解
llm_benchmarks是一个全面的大语言模型评估基准集合,涵盖知识理解、推理能力、多轮对话和内容摘要等方面。该项目包含MMLU、ARC、GLUE等知名数据集,用于测试模型在不同任务中的表现。这一标准化工具为评估大语言模型性能提供了可靠依据,有助于相关技术的发展与应用。
InstructCV - 自然语言指令引导的多任务计算机视觉模型
GithubInstructCV开源项目文本到图像生成深度学习生成扩散模型计算机视觉
InstructCV 项目通过指令调优的文本到图像扩散模型，简化了计算机视觉任务的执行方式。该项目将多个计算机视觉任务转化为文本描述的图像生成问题，并使用涵盖分割、物体检测、深度估计和分类等任务的数据集进行训练。利用大型语言模型生成任务提示，该模型从生成模型转变为指令引导的多任务视觉学习者。项目实现了多种环境配置，包括在Huggingface Spaces的Gradio演示和Google Colab的运行示例，并支持PyTorch 1.5+。
Llama-3-Instruct-8B-SPPO-Iter3 - 改进文本生成的创新模型及其在多任务中的性能评估
Apache-2.0GithubHuggingfaceLlama-3-Instruct-8B-SPPO-Iter3开源LLM排行榜开源项目文本生成模型自我游戏偏好优化
Llama-3-Instruct-8B-SPPO-Iter3模型采用自我对弈偏好优化技术进行第三次迭代微调，具备强大的文本生成能力。模型通过IFEval、BBH、MATH、GPQA、MuSR等多个数据集进行多任务性能评估，其中IFEval (0-Shot)的严格准确率为68.28。该模型基于meta-llama/Meta-Llama-3-8B-Instruct，使用openbmb/UltraFeedback数据集训练，拥有8B参数，专注于英文文本生成，为语言模型的优化提供了全新视角和实用的性能测试结果。
yet-another-applied-llm-benchmark - 基于真实场景的大语言模型能力评估基准
API密钥Docker容器GithubLLM基准测试开源项目数据流DSL模型评估
yet-another-applied-llm-benchmark是一个评估大语言模型在实际应用场景中表现的基准测试项目。该项目包含近100个源自真实使用情况的测试案例，涵盖代码转换、反编译、SQL生成等多种任务。通过简单的数据流DSL设计测试，项目提供了一个灵活的框架来评估大语言模型的实际能力。这个基准虽不是严格的学术标准，但为开发者提供了衡量大语言模型在日常编程任务中表现的实用方法。
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