jury

综合性NLP实验评估工具包

Jury是一个全面的NLP实验评估工具包，提供多种自动化指标。它支持多种评估指标的同时计算，可处理多预测/多参考的评估场景。Jury优化了evaluate库的设计，简化了自定义指标的添加。该工具包统一了指标计算的输入结构，支持并发计算，适用于各类NLP项目。

访问官网

Github

文档

论文

介绍相关项目

sourcery - 即时AI代码审查工具，提升代码质量和开发效率

Sourcery是一款自动化代码审查工具，旨在加速审查过程、提高代码质量并节省时间。它为GitHub上的所有拉取请求提供即时反馈，包括更改摘要、整体反馈和逐行建议。Sourcery还可作为IDE中的编程助手，帮助理解代码、添加单元测试和文档，以及优化代码的可读性和性能。支持PyCharm、VS Code、Sublime和Vim等多种编辑器。

elliot - 推荐系统评估框架简化实验流程提高研究可重复性

ELLIOTGithub实验开源项目推荐系统框架评估

LongBench - 双语长文本理解多任务评估

GithubLongBench多语言大模型开源项目评估长文本理解

LongBench首次为大语言模型的长文本理解能力提供双语、多任务的全面评估基准。它覆盖中文和英文，包含六大类共21种任务，适用于单文档QA、多文档QA、摘要提取、少样本学习、合成任务和代码补全等场景。该项目提供自动化评估方法以降低成本，并涵盖平均长度为5k至15k的测试数据。同时，LongBench-E测试集通过统一采样，分析模型在不同输入长度的性能表现。

promptfoo - 本地LLM应用测试与评估工具

GithubLLM应用promptfoo基准测试开源项目测试驱动开发自动化红队

提供专业工具集，专为本地测试、评估及红队操作LLM应用设计。支持多种模型和API，确保应用安全可靠，提升评估效率并自动评分输出。适用于CLI、库和CI/CD环境，支持OpenAI、Anthropic等API，完全开源且本地运行，保障数据隐私。

langkit - 开源的语言模型监控与分析工具LangKit

GithubLangKit安全性与隐私安装开源项目情感和毒性分析文本质量

LangKit是一个开源的文本度量工具集，专门用于监控语言模型。它提供多种方法从输入和输出文本中提取相关信号，并兼容数据记录库whylogs。主要功能包括文本质量、文本相关性、安全与隐私、情感与毒性分析。通过简单的安装步骤，用户可以在WhyLabs平台或其他工具中可视化和监控这些度量结果，从而确保语言模型的安全和性能。

TrustLLM - TrustLLM：全面大语言模型可信度研究工具

GithubICML 2024LLMTrustLLM工具包开源项目性能评估

TrustLLM是一款专注于评估大型语言模型（LLMs）可信度的工具包。涵盖八个维度的可信度原则，并在真相、安全、公平、鲁棒性、隐私和机器伦理等方面建立基准。TrustLLM提供便捷的评估工具，可以快速评估16种主流LLMs，帮助开发者提升模型可信度。项目已被ICML 2024接受，并持续更新以包括最新的模型和功能。详情请访问项目网站。

py-motmetrics - 多目标跟踪性能评估Python库

GithubMOT指标Python库多目标跟踪开源项目性能评估数据分析

py-motmetrics是一个评估多目标跟踪(MOT)性能的Python库。它实现了CLEAR-MOT和ID等评估指标,支持多种距离度量,可跟踪每帧事件,并提供灵活的求解器后端。该库兼容MOTChallenge基准,使用pandas进行数据分析,易于扩展。py-motmetrics为研究人员和开发者提供了全面评估和比较多目标跟踪算法性能的工具。

AutoRAG - 自动优化检索增强生成流程的开源工具

AutoRAGGithubRAG优化开源项目数据处理自动化评估部署

AutoRAG是一个开源的检索增强生成(RAG)自动优化工具，专门为特定数据和用例寻找最佳RAG流程。该工具支持自动评估多种RAG模块组合，简化了最优方案的发现过程。AutoRAG提供简洁的代码接口和命令行操作，方便用户快速评估、部署和共享优化后的RAG流程。此外，AutoRAG还集成了多种评估指标、支持模块、可视化仪表板和Web界面，使RAG技术的应用更加便捷高效。

bigcode-evaluation-harness - 开源代码生成模型评估框架

BigCodeGithub代码生成多语言支持开源项目模型评估评估框架

bigcode-evaluation-harness是一个评估代码生成模型的开源框架。它支持多种编程语言和任务,如代码补全、插入和翻译。该框架兼容Hugging Face上的自回归模型,具备多GPU生成能力,并可在Docker容器中运行以保证安全性和可重复性。框架集成了HumanEval、APPS等多个代码生成基准,为研究人员和开发者提供了全面评估代码模型性能的工具。

criticality_score - 开源项目重要性评估工具

GitHubGithubcriticality score安全性改进开源项目重要性评估

criticality_score是一个用于评估开源项目重要性的工具。它通过分析贡献者数量、组织数量和依赖项等多项指标，生成0到1之间的得分。该工具旨在识别关键开源项目，提升其安全性，并为开源社区提供数据支持。用户可使用命令行接口，输出支持多种格式。项目同时提供公开数据集，便于进行大规模分析。

相关项目

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

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