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。

prometheus-eval - 前沿的大语言模型生成任务评估工具
BiGGen-BenchGithubPrometheus 2 BGBPrometheus-Eval开源项目评估语言模型
Prometheus-Eval是一个评估生成任务中大型语言模型(LLMs)的开源项目。最新的Prometheus 2版本内置多种高性能评估模型,并集成了提供9项核心能力、77个任务和765个实例的BiGGen-Bench评估平台。该项目支持本地推理和通过VLLM及LLM API进行远程评估,且能够方便地在Python环境中安装和使用。项目持续更新,以确保评估的准确性和效率。访问官方仓库获取更多信息。
Eval - 智能编程辅助工具 加速软件开发过程
Eval平台为开发者提供AI辅助的结对编程体验,支持多种编程语言和集成开发环境。通过智能代码建议、自动单元测试编写、代码文档生成以及代码解释和分析等功能,显著提高编码效率,加快软件开发进度。该平台致力于优化编程流程,使开发过程更加高效和智能化。
lighteval - 轻量级LLM评估框架,支持多任务处理与复杂模型配置
GithubHugging FaceLLMLightEval安装开源项目评估
lighteval是一款轻量级LLM评估套件,兼容datatrove和nanotron库,支持CPU和多GPU环境,能处理超大模型。多任务配置允许自定义和社区任务,具备数据并行、管道并行及Hugging Face Hub集成功能。适用于复杂模型配置和推理端点。
OLMo-Eval - 开源语言模型评估框架 多任务性能测试解决方案
AI2-TangoGithubOLMo-Eval任务集开源项目评估管道语言模型评估
OLMo-Eval是一个评估开放语言模型的框架,支持多个NLP任务的评估流程。通过task_sets和示例配置,可以评估多个模型在各种任务上的表现。项目基于ai2-tango和ai2-catwalk构建,提供快速入门指南、标准基准测试和PALOMA项目集成,是一个全面的语言模型评估工具。
seed-tts-eval - 零样本语音生成评估数据集与度量工具
AI安全GithubTTS开源项目测试集评估指标语音合成
seed-tts-eval是一个开源项目,提供评估零样本语音生成能力的客观测试集。该测试集包含英语和中文公开语料库样本,并配备计算词错误率和说话人相似度的脚本。这套工具主要用于评估语音合成模型在跨语言和零样本场景下的性能。项目采用Common Voice和DiDiSpeech-2数据集,包含3000个测试样本。评估指标包括使用Whisper和Paraformer模型的词错误率,以及基于WavLM的说话人相似度。这些工具有助于客观评估语音合成技术的进展。
codefuse-devops-eval - DevOps基础模型评估套件 多维度性能测试
AIOpsDevOps-EvalGithubToolLearning基础模型评估多项选择题开源项目
CodeFuse-DevOps-Eval是一个面向DevOps领域基础模型的综合评估套件,包含近7500道多选题及AIOps、ToolLearning专项样本。通过全面测试计划、编码、构建等环节,帮助开发者评估模型性能,提供零样本和少样本准确率排行。该套件覆盖8大类别,通过多维度评估助力开发者追踪进展并分析模型优劣。
evaluate - 多框架兼容的机器学习评估工具库
EvaluateGithub开源项目指标机器学习模型比较评估
evaluate是一个开源的机器学习评估工具库,支持Numpy、Pandas、PyTorch、TensorFlow和JAX等多种框架。它提供了数十种涵盖自然语言处理和计算机视觉等领域的常用评估指标。用户可以使用evaluate进行模型评估、性能对比和结果报告。该库还支持创建新的评估模块并推送至Hugging Face Hub,便于比较不同指标的输出。evaluate的其他特点包括类型检查、指标卡片和社区指标功能,为研究人员和开发者提供了全面的模型评估支持。
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。
SEED-Bench - 多模态大语言模型评估基准
GithubSEED-Bench人工智能基准测试多模态大语言模型开源项目评估维度
SEED-Bench是一个全面评估多模态大语言模型的基准测试。它包含28K个多项选择题,涵盖34个评估维度,包括文本和图像生成能力。该项目提供SEED-Bench-H、SEED-Bench-2-Plus等多个版本,分别针对不同评估方面。SEED-Bench为研究人员提供了一个客观比较多模态大语言模型性能的工具。
alpaca_eval - 精确且成本低的指令追随语言模型自动评估工具
AlpacaEvalGPT-4Githubinstruction-following开源项目自动评价评估
AlpacaEval是一款基于LLM的自动评估工具,针对指令追随模型(如ChatGPT)的评估,具备快速、低成本和高度人类相关性(0.98)的特点。主要功能包括模型排行榜、自动评估器、评估器构建工具包及20K人工偏好数据。AlpacaEval 2.0通过长度控制胜率,提高了与ChatBot Arena的对应性,适合模型开发阶段的快速评估。
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