Project Icon

evalscope

综合性大语言模型评估开源工具

EvalScope是一个全面的大语言模型评估框架,集成了多种基准数据集和评估指标。该框架提供模型集成、自动评估和报告生成功能,并支持Arena模式和可视化分析。通过整合OpenCompass和VLMEvalKit评估后端,EvalScope实现了多模态评估能力。此外,它能与ModelScope SWIFT平台无缝对接,支持大模型的端到端开发流程。

ceval - 全面评估中文大语言模型能力的基准测试
C-EvalGithub中文评测基础模型多选题学科分类开源项目
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。
continuous-eval - 优化LLM应用的数据驱动评估工具
GithubLLM评估continuous-eval开源开源项目数据驱动评估指标
continuous-eval是一个开源软件包,旨在为LLM驱动的应用提供全面的数据驱动评估。项目特点包括模块化评估系统,全面的度量指标库,可结合用户反馈进行评估,且支持生成大规模合成数据集以验证应用性能,适用于多种LLM应用场景的定制化评估。
llmeval-1 - 系统评估中文大语言模型的创新研究项目
GithubLLMEVAL-1大模型大语言模型评测开源项目排行榜评测方法
LLMEVAL-1项目致力于系统研究大语言模型评价方法。该项目涵盖17个大类、453个问题,内容包括事实性问答、阅读理解和框架生成等多个领域。评测采用分项和对比两种方式,从正确性、流畅性、信息量、逻辑性和无害性五个维度进行。LLMEVAL-1通过结合众包和专业评测,为中文大语言模型提供了全面、客观的评估基准。
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。
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。
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。
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。
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。
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。
lm-evaluation-harness - 统一测试生成式语言模型的多任务评估框架
GPT-NeoXGithubHugging FaceLanguage Model Evaluation HarnessOpen LLM LeaderboardvLLM开源项目
该项目提供统一框架,用于评估生成式语言模型,通过60多个标准学术基准和数百个子任务实现多样化测试。更新包括新的Open LLM Leaderboard任务、内部重构、基于配置的任务创建、Jinja2提示设计支持等高级配置选项,旨在简化和优化模型评估。支持快速高效推理、商业API、本地模型和基准测试。被广泛应用于机构如NVIDIA、Cohere、BigScience等,也支撑了🤗 Hugging Face的Open LLM Leaderboard。
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