Project Icon

LLMs-Planning

大型语言模型规划与推理能力评估与分析工具

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。

ToolBench - 大规模工具使用指令数据集与开源语言模型
AI工具APIGithubToolBench大规模语言模型工具使用能力开源项目
ToolBench项目构建了大规模的指令微调数据集,旨在提升语言模型的工具使用能力。该项目收集了16464个真实API,覆盖单工具和多工具场景,采用深度优先搜索决策树方法生成注释。项目提供训练脚本和微调后的ToolLLaMA模型,其工具使用能力达到了与ChatGPT相当的水平。
MMBench - 全面评估多模态大模型能力的基准测试
GithubMMBench多模态模型开源项目循环评估视觉语言模型评估基准
MMBench是评估视觉语言模型多模态理解能力的基准测试集。它包含近3000道多项选择题,涵盖20个能力维度,采用循环评估和LLM选项提取等创新方法,提供可靠客观的评估。通过细粒度的能力测试和可重复的评价标准,MMBench为多模态模型开发提供了有价值的反馈。
TravelPlanner - 真实世界规划的语言代理基准测试
GithubTravelPlanner基准测试工具使用开源项目规划语言代理
TravelPlanner是一个评估语言代理在真实世界规划能力的基准测试。该项目模拟旅行规划场景,要求语言代理根据查询制定包含交通、餐饮、景点和住宿的完整计划。通过设置环境、常识和硬性约束,TravelPlanner全面测试语言模型的规划能力。项目提供两阶段和单一规划两种模式,支持多种语言模型,并配备详细的评估方法和工具。
Q-Bench - 评测多模态大语言模型的低层视觉能力
GithubICLR2024Q-Bench低层视觉基准测试多模态大语言模型开源项目
Q-Bench是一个评估多模态大语言模型低层视觉能力的基准测试。它通过感知、描述和评估三个领域,使用LLVisionQA和LLDescribe数据集测试模型性能。该项目采用开放式评估框架,支持研究者提交结果或模型。Q-Bench对比了开源和闭源模型的表现,并与人类专家水平进行对照,为深入理解和提升多模态AI的基础视觉处理能力提供了关键洞察。
awesome-LLM-resourses - 中文大语言模型全面资源汇总 数据处理到评估应有尽有
GithubLLMRAG大语言模型开源项目微调推理评估
该项目汇总了中文大语言模型(LLM)领域的全面资源,包含数据处理、微调、推理和评估等多个环节的开源工具。资源库涵盖最新LLM技术,并收录RAG系统和AI代理等前沿应用。项目为LLM研究者和开发者提供了丰富的工具和信息,有助于推进相关项目的开发与应用。
JudgeLM - 大语言模型开放场景高效评估技术
GithubJudgeLM大语言模型开放式任务开源项目微调模型评估
JudgeLM是一个用于训练和评估大语言模型评判器的开放平台。通过微调技术,该项目实现了对开放场景中大语言模型的高效评估,评判一致性超过人类水平。JudgeLM提供先进的评判器训练和评估代码,能够处理单一回答、多模态模型、多个回答和多轮对话等任务。此外,该平台还集成了分布式多模型服务系统和Web界面,方便用户使用和部署。
llm - LLM实验项目集合 探索大型语言模型应用
API密钥GithubLLM实验OpenAIPinecone开源项目虚拟环境
该开源项目提供了一系列LLM实验。内容包括虚拟环境设置、必要包安装以及API集成指南。通过这些实验,开发者可以深入了解大型语言模型的应用,探索AI文本处理和向量数据库技术。项目注重实践,为AI领域学习者提供了有价值的资源。
CritiqueLLM - 大型语言模型输出评估的智能批评生成框架
CritiqueLLMGithub人工智能大语言模型开源项目自然语言处理评估
CritiqueLLM是一个用于评估大型语言模型输出的批评生成框架。该项目提供了数据收集、参考评分、无参考评分和配对比较等功能。通过支持逐点评分和成对比较,CritiqueLLM能生成详细的批评信息,为研究人员和开发者提供了全面的评估工具,有助于分析和改进大型语言模型的表现。
Awesome-LLMs-Evaluation-Papers - 大型语言模型评估研究论文综述
GithubLLMs评估大语言模型安全性评估对齐性评估开源项目知识能力评估
该项目汇总了大型语言模型(LLMs)评估领域的前沿研究论文,涵盖知识能力、对齐性和安全性评估等方面。还包括特定领域的LLMs评估和综合评估平台介绍。旨在为研究人员提供全面的LLMs评估资源,推动语言模型的可靠发展,平衡社会效益与潜在风险。
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。
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

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

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