HELM是一个开源的评估框架，用于全面分析语言模型和文本到图像模型的性能。该框架提供标准化数据集、统一模型接口和多维度评估指标。HELM不仅关注准确性，还评估效率、偏见和毒性等方面。对于文本到图像模型，HELM涵盖12个关键评估维度，包括图像质量、推理能力和多语言支持。研究人员可借助HELM深入了解模型的优势和潜在风险。

NeurIPS大语言模型效率挑战赛旨在优化单GPU上的模型运行效率。参赛者需提交Dockerfile实现HTTP服务器，通过HELM任务子集评估模型性能。大赛提供批准的模型和数据集列表，以及样例代码和评估指南。优胜者将在NeurIPS研讨会展示成果。比赛鼓励创新，助力大语言模型在有限资源下的应用。