Project Icon

UHGEval

中文大语言模型无约束生成幻觉评估基准

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。

nlg-eval - 自然语言生成多指标评估工具使用指南
BLEUGithubPythonnlg-eval开源项目自然语言生成评估方法
提供全面的自然语言生成(NLG)评估工具,包含BLEU、METEOR、ROUGE、CIDEr等多种无监督指标。文档涵盖安装、设置、验证及使用方法,并支持Python API和命令行使用方式,适用于多种操作系统。
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。
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。
seed-tts-eval - 零样本语音生成评估数据集与度量工具
AI安全GithubTTS开源项目测试集评估指标语音合成
seed-tts-eval是一个开源项目,提供评估零样本语音生成能力的客观测试集。该测试集包含英语和中文公开语料库样本,并配备计算词错误率和说话人相似度的脚本。这套工具主要用于评估语音合成模型在跨语言和零样本场景下的性能。项目采用Common Voice和DiDiSpeech-2数据集,包含3000个测试样本。评估指标包括使用Whisper和Paraformer模型的词错误率,以及基于WavLM的说话人相似度。这些工具有助于客观评估语音合成技术的进展。
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。
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。
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。
llm_benchmarks - 大语言模型评估基准集合
GithubLLM人工智能开源项目机器学习自然语言处理语言理解
llm_benchmarks是一个全面的大语言模型评估基准集合,涵盖知识理解、推理能力、多轮对话和内容摘要等方面。该项目包含MMLU、ARC、GLUE等知名数据集,用于测试模型在不同任务中的表现。这一标准化工具为评估大语言模型性能提供了可靠依据,有助于相关技术的发展与应用。
EvalsOne - 全面高效的生成式AI应用评估工具
AI工具AI应用优化EvalsOneGenAILLM评估模型集成
EvalsOne是一个面向生成式AI应用的综合评估平台。它集成了多样化的评估工具,支持LLM提示词优化、RAG流程改进和AI代理性能评估。平台简化了LLMOps流程,适用于AI应用的全生命周期。EvalsOne兼容多种模型,包括主流大模型和云端部署方案。平台提供即用型评估器,并支持自定义扩展,满足各类复杂场景需求。借助EvalsOne,开发者可以轻松进行评估实验、样本准备和深度分析,从而不断优化AI驱动的产品。
CharacterEval - 中文角色扮演对话代理评估基准
CharacterEvalGithub中文基准测试人工标注开源项目角色扮演对话代理评估指标
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。
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

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。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

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