Logo
Project Icon

CharacterEval

中文角色扮演对话代理评估基准

CharacterEval角色扮演对话代理中文基准测试评估指标人工标注Github开源项目

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。

GithubGithubHuggingfaceHuggingface论文论文
介绍相关项目
ChatEval - 使用多智能体辩论改进大语言模型评估
ChatEvalGithubLLM人工智能多智能体辩论开源项目文本评估
ChatEval项目通过多智能体辩论方式改进大语言模型(LLM)的评估过程。该项目让多个LLM扮演不同角色，自主讨论和评判生成文本，简化了人工评估流程。ChatEval提供互动演示平台，用户可比较不同模型回答，并观察LLM裁判如何评估。这种方法提高了评估的客观性和透明度，为改进LLM性能提供了有价值的见解。
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。
RoleLLM-public - 评估与提升大语言模型角色扮演能力的框架
GithubRoleLLM基准测试大语言模型开源项目微调角色扮演
RoleLLM框架旨在评估和增强大语言模型的角色扮演能力。该框架包含RoleBench数据集、Context-Instruct知识提取方法、RoleGPT风格模仿技术和RoCIT微调策略。通过这些组件，RoleLLM显著提升了开源模型的角色扮演表现，在某些方面达到了与GPT-4相当的水平。这一框架为大语言模型在角色扮演任务中的应用提供了新的研究方向。
CharacterGLM-6B - 新一代中文AI角色对话模型
CharacterGLM-6BGithub人工智能对话预训练模型开源项目自然语言处理角色扮演
CharacterGLM-6B是聆心智能与清华大学CoAI实验室联合开发的新一代对话模型。基于ChatGLM2系列，该模型通过独特的属性和行为设计，实现AI角色的一致性、拟人化和吸引力。在多项评估中，CharacterGLM-6B展现出优于主流大语言模型的性能，尤其在角色扮演和对话能力方面表现突出。这一开源项目为研究人员和开发者提供了创建个性化AI角色的有力工具，推动对话AI技术的进步。
T-Eval - 分步骤评估大语言模型工具使用能力的基准测试框架
GithubT-Eval基准测试大语言模型工具使用能力开源项目评估
T-Eval是一个评估大语言模型工具使用能力的基准测试框架。它将评估过程分解为指令遵循、规划、推理、检索、理解和审查等多个子过程，实现了细粒度分析。该项目提供英文和中文评测数据集、测试脚本和排行榜。T-Eval为研究人员和开发者提供了一个深入分析语言模型工具使用能力的新方法。
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。
EvaluationPapers4ChatGPT - ChatGPT等大型语言模型评估资源库
ChatGPTGithub大语言模型开源项目性能测试自然语言理解评估
EvaluationPapers4ChatGPT项目是一个综合性资源库，专注于评估ChatGPT等大型语言模型的性能。该项目汇集了丰富的数据集、评估论文和检测工具，涵盖自然语言理解、伦理偏见、长文本摘要和推理能力等多个领域。研究人员可借此深入分析ChatGPT的能力范围及其在不同任务中的表现。项目不断更新，反映了语言模型评估领域的最新发展动态。
evalverse - 开源大语言模型评估工具集
AI研究EvalverseGithubLLM评估开源项目评估报告
Evalverse是一个开源的大语言模型评估工具集，提供统一、标准化的评估解决方案。支持多种评估方法，可无代码进行评估并生成报告。通过子模块扩展评估能力，集成lm-evaluation-harness和FastChat等框架。生成的详细报告包含分数、排名和可视化，便于比较不同模型性能。适用于AI研究人员及LLM领域新手。
UHGEval - 中文大语言模型无约束生成幻觉评估基准
Eval SuiteGithubUHGEval中文评估基准大语言模型幻觉评估开源项目
UHGEval是一个评估中文大语言模型在无约束生成任务中幻觉现象的基准。该项目基于文本生成和幻觉收集，融合自动标注与人工审核。UHGEval提供判别式、生成式和选择式等多种评估方法。项目还包含Eval Suite评估框架，支持多个幻觉评估基准，可全面评估单个大语言模型的表现。
AGIEval - 全面评估AI模型人类认知能力的基准测试
AGIEvalGithub人工智能评估基准测试基础模型开源项目自然语言处理
AGIEval是一个评估AI基础模型人类认知能力的综合基准。它包含20个源自高标准入学和资格考试的任务，涉及多个领域。AGIEval提供完整数据集、基线系统评估和详细评估方法，是衡量AI模型综合能力的权威工具。最新版本支持多语言评估，并设有完整排行榜，为研究人员提供了全面的AI模型能力评估平台。
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