Project Icon

ceval

全面评估中文大语言模型能力的基准测试

C-Eval是一个综合性中文基础模型评估套件,涵盖52个学科和4个难度级别的13948道多选题。该项目通过零样本和少样本评估,展示了主流模型在STEM、社会科学和人文学科等领域的表现。C-Eval旨在帮助开发者追踪模型进展并分析其优缺点。研究者可通过官方网站或相关论文获取详细信息,并利用提供的数据和方法评估自己的模型。

simple-evals - 开源轻量级语言模型评估库 展示AI性能数据
APIGithubOpenAIlanguage models开源项目简单评估库评估
simple-evals是一个开源的轻量级语言模型评估库,用于展示AI模型的准确性数据。该库采用零样本链式思维方法,包含MMLU、MATH、GPQA等评估任务,并支持OpenAI和Claude等API接口。simple-evals为研究人员和开发者提供了评估和比较不同语言模型性能的工具,反映模型在实际应用中的表现。
MixEval - 动态更新的大语言模型评测基准
GithubLLM评估MixEval动态评估基准测试开源项目模型排名
MixEval是一个动态更新的大语言模型评测基准,结合现有基准和真实用户查询构建而成。该基准在保持高准确度的同时,实现了快速、低成本和可重复的评测。MixEval提供更全面、公平的查询分布,并通过定期更新机制避免数据污染。作为一个高效可靠的评测工具,MixEval适用于各类大语言模型研究和应用场景。
VLMEvalKit - 开源的大型视觉语言模型评估工具包
GithubVLMEvalKit多模态数据集大型视觉语言模型开源开源项目评估工具包
VLMEvalKit是一款开源的大型视觉语言模型评估工具包,支持即插即用的评估操作,无需繁重的数据准备。该工具包支持多种顶级数据库和最新模型测试,并为用户提供精确匹配和基于LLM的答案提取两种评估结果。有效工具,帮助专业人员和研究者评估模型性能。
instruct-eval - 指令调优的大型语言模型的评估和比较
AlpacaFlan-T5GithubIMPACTInstructEvalLLM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。
ZeroEval - 统一评估框架测试语言模型零样本推理
AI框架GithubZeroEval任务性能开源项目语言模型评估零样本学习
ZeroEval是一个评估语言模型零样本推理能力的统一框架。它通过控制提示、采样和输出解析等因素,在MMLU、GSM等任务上测试指令微调模型的性能。该框架要求模型以JSON格式输出推理过程和答案,并持续扩展评估任务范围。
evalplus - 提升大语言模型代码生成评估的框架
EvalPlusGithubHumanEval+LLM评估MBPP+代码生成开源项目
EvalPlus是一个开源框架,旨在严格评估大语言模型的代码生成能力。它包含HumanEval+和MBPP+两个增强数据集,测试用例数量大幅提升。该框架提供精确评估、代码严谨性检验、LLM生成样本等功能,可显著加速相关研究。EvalPlus支持代码生成、后处理和评估全流程,在GitHub开源并提供Docker镜像,便于研究人员使用。
EvalAI - 专为机器学习与人工智能算法评估和比较设计的平台
EvalAIGithub人工智能开源平台开源项目机器学习算法比较
EvalAI是一个开源平台,用于评估和比较机器学习及AI算法,提供中心化排行榜和提交界面,支持自定义评估协议和多语言环境,可适应高需求的计算挑战,助力研究者复现研究结果,进行准确可靠的分析。
CharacterEval - 中文角色扮演对话代理评估基准
CharacterEvalGithub中文基准测试人工标注开源项目角色扮演对话代理评估指标
CharacterEval是一个评估中文角色扮演对话代理(RPCAs)的基准。它包含1,785个多轮对话和23,020个样例,涵盖77个源自中国文学作品的角色。该基准采用四个维度的十三项指标进行评估,并开发了基于人工标注的角色奖励模型(CharacterRM)。实验显示,CharacterRM与人类评估的相关性显著高于GPT-4。
Awesome-LLM-Eval - 集成了评估工具、数据集、演示与论文资源的平台
GithubLLM应用LLM技术边界大模型评估开源项目评估工具评估数据集
Awesome-LLM-Eval 包罗万象,集成了评估工具、数据集、演示与论文资源,深入探讨大型语言模型的评估技术和方法。该平台支撑学术探索与实际应用,并致力于提升语言模型的透明度及可信度。
lmms-eval - 大规模多模态模型评估框架加速AI发展
AI基准测试GithubLMMs-eval多模态模型开源项目评估框架
lmms-eval是专为大规模多模态模型(LMMs)设计的评估框架,整合多种基准和数据集,提供一致高效的评估方法。支持图像、视频等多模态任务,简化评估流程,加速模型开发和性能比较。该框架为研究人员提供灵活工具,助力理解和改进LMMs能力,推动人工智能向通用人工智能(AGI)发展。lmms-eval旨在成为加速LMMs发展的重要生态系统组件。
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