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
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。
trainable-agents - 可训练的角色扮演AI，实现动态个性化互动
Character-LLMGithubLLM开源项目数据集角色扮演训练
Character-LLMs是一款专为角色扮演设计的可训练智能体，利用经验重建技术生成丰富的角色体验数据，无需额外提示即可模拟特定角色，如贝多芬或埃及艳后。项目提供九个角色的模型和数据集，支持角色个性化构建与互动。详情请见论文和代码仓库。
deepeval - 简化LLM输出评估的开源框架
AI测试DeepEvalGithubLLM评估开源框架开源项目指标评估
DeepEval是一款开源的大型语言模型(LLM)输出评估框架。它提供G-Eval、幻觉检测和答案相关性等多种评估指标，支持本地运行。该框架适用于RAG和微调应用，可与LangChain和LlamaIndex等工具集成。DeepEval具备批量评估、自定义指标创建功能，易于集成到CI/CD环境。此外，它还支持对主流LLM基准进行简易评估，并可与Confident AI平台对接，实现持续评估和结果分析。
Character.ai - AI多样化角色对话平台
AI助手AI工具Character.AI个性化AI对话系统聊天机器人
Character.ai提供多元AI角色对话平台。用户可与历史人物、名人和专家等AI互动,话题包括创意写作、语言学习和心理咨询。平台允许创建自定义AI角色,通过个性化AI交互满足日常多样需求。
BotChat - 创新评估大语言模型多轮对话能力的基准
BotChat BenchmarkGPT-4GithubLLM对话生成开源项目评估
BotChat基准测试通过分析大语言模型生成的对话评估多轮聊天能力。基于MuTual-Test数据集,该项目生成了大规模模型对话数据,并采用单轮评估、BotChat Arena和人类对话对比等方法全面评估主流LLM对话质量。研究发现GPT-4表现最佳,部分小型开源模型在短对话中也有不错表现。这一创新基准为改进LLM对话能力提供了新思路。
awesome-llm-role-playing-with-persona - 大型语言模型角色扮演资源与学术论文目录
GithubLarge Language ModelsPersona个性化对话系统开源项目角色扮演
本项目专注于角色扮演语言模型，涵盖虚构角色、名人和历史人物的角色扮演。尽管项目涉及多代理系统和长上下文模型等研究，无法确保包含这些领域的所有论文。最近的更新包括重新组织资源库、关注角色扮演代理以及发布关于个性化角色扮演语言代理的综述论文。
evals - 开源框架助力大型语言模型性能评估
API密钥Git-LFSGithubLLM评估OpenAI Evals开源项目评估框架
evals是一个开源框架，用于评估大型语言模型(LLM)及其衍生系统。该框架提供评估注册表，支持测试OpenAI模型的多个维度，同时允许用户创建自定义评估。开发者可利用私有数据构建评估，无需公开敏感信息。evals能够帮助开发者深入分析不同模型版本对特定应用场景的影响，对LLM开发过程具有重要价值。
unieval-dialog - 多维度对话生成评估工具，提升模型性能
GithubHuggingfaceUniEval多维评估对话生成开源项目模型自动评估自然语言生成
UniEval作为一款开源工具，通过多维度自动评估提升自然语言生成的精确性和细致性。
CRUD_RAG - 全面评估中文检索增强生成系统的基准测试
CRUD-RAGGithub中文基准测试大语言模型开源项目检索增强生成评估系统
CRUD_RAG是一个全面的中文检索增强生成(RAG)系统评估基准。该项目包含36166个测试样本，覆盖CRUD操作，支持多种评估指标。CRUD_RAG提供原生中文数据集、评估任务和基线模型，并具备一键式评估功能。这一工具可助力研究人员和开发者全面评估和优化中文RAG系统性能，推动中文自然语言处理技术的进步。
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。
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