Project Icon

InfiniteBench

长文本语言模型评测基准 挑战10万词极限

InfiniteBench是一个专门评测语言模型超长文本处理能力的基准工具。它设计了12个涵盖真实和合成场景的任务,用于测试模型在10万词以上上下文中的理解和推理能力。该基准不仅有助于推动语言模型技术进步,还为改进LLM应用提供了重要参考。InfiniteBench的多样性和专业性使其成为评估长文本处理能力的有效工具。

LawBench - 通过司法认知多维度评估大模型法律能力
GithubLawBench大语言模型开源项目数据集法律知识评估认知水平
LawBench通过模拟司法认知的三个维度,设计了20个任务,全面评估大语言模型的法律能力。这些任务包括法律知识记忆、理解和应用,涵盖了法律实体识别、阅读理解、犯罪金额计算和咨询等实际应用场景。LawBench还设立了“弃权率”作为独立评估指标,以衡量模型在法律问询下的回应情况。通过注重实际应用,LawBench为用户提供了可靠的大语言模型法律能力评估工具。
infini-transformer - 针对无限长度上下文设计的高效Transformer模型
GithubInfini-Transformer位置编码开源项目注意力机制自然语言处理长序列处理
Infini-Transformer是一种创新的Transformer模型,专门用于处理无限长度的上下文。该模型采用压缩性记忆机制和混合深度技术,能有效处理超长序列。Infini-Transformer支持文本分类、问答和语言生成等多种任务,并集成RoPE和YaRN等先进位置编码技术。这一模型为长文本处理和大规模语言任务提供了高效解决方案。
internlm2-1_8b - 18亿参数开源语言模型支持20万字超长上下文输入
GithubHuggingfaceInternLM大语言模型开源模型开源项目性能评测模型超长上下文
InternLM2-1.8B是一个18亿参数的开源语言模型,包含基础模型、对话模型和RLHF对齐版本。它支持20万字的上下文输入,在长文本理解、推理、数学和编程方面表现优异。该模型开放学术研究使用,并提供免费商业授权申请渠道。
InfLLM - 优化大规模语言模型处理超长序列的无训练记忆方法
GithubInfLLM大语言模型开源项目训练无关方法记忆单元长序列处理
InfLLM是一种新型无训练记忆方法,可有效处理超长序列。通过将远程上下文存储在额外的存储单元中并采用高效机制进行注意力计算,InfLLM在保持长距离依赖捕捉能力的同时,提高了处理效率。即使在序列长度达到1,024K的情况下,InfLLM仍表现优越,无需连续训练即可超越许多基线模型。
jailbreakbench - 大语言模型越狱攻防能力评估基准
AI伦理GithubJailbreakBench基准测试安全性开源项目语言模型
JailbreakBench是一个评估大语言模型越狱攻防能力的开源基准。它包含JBB-Behaviors数据集、官方排行榜和越狱字符串存储库,全面追踪越狱攻击和防御进展。研究人员可利用JailbreakBench加载越狱字符串、访问数据集、进行红队测试,以及提交新的攻击和防御方法。该项目为大语言模型安全研究提供了稳定的性能比较平台。
MultiBench - 多模态学习的多尺度标准基准
BenchmarkGithubMultiBenchMultimodal学习开源项目数据集深度学习
MultiBench是一个系统化、统一的大规模基准,用于多模态表征学习,覆盖15个数据集、10种模态、20个预测任务和6个研究领域。它提供自动化的端到端机器学习管道,简化数据加载、实验设置和模型评估,确保在真实世界中的适用性和鲁棒性。
internlm2-20b - 提供深度适应性和超长文本理解能力的20B语言模型
GithubHuggingfaceInternLM对话模型开源项目性能评测模型模型开源评测工具
InternLM2-20B是一款支持20万字符上下文的语言模型,其在推理、数学和编程领域的表现突出。模型分为基础和对话优化版本,可以满足多样的语言处理需求。通过OpenCompass评测,其展示了卓越的综合性能,适合复杂的研究和商业应用。
ChemLLMBench - 化学领域大语言模型能力评估的全面基准
ChemLLMBenchGithubNeurIPS 2023化学基准测试大语言模型开源项目
ChemLLMBench是一个评估大语言模型在化学领域能力的全面基准。该项目包含八个化学任务,从分子结构预测到反应产率预测,并提供详细数据集、评估方法和基线模型。ChemLLMBench为研究人员探索大语言模型在化学应用提供重要参考,其研究成果已被NeurIPS 2023数据集与基准赛道接收,彰显学术影响力。
loft - 探索百万级token长文本处理的前沿基准
GithubLOFT多模态任务开源项目文本检索语言模型长上下文基准
LOFT是一个长文本处理基准,包含6类30多个数据集,涵盖检索、多跳推理等任务。该项目提供多模态数据、评估代码和数据集重生成工具,旨在测试大规模语言模型的长文本处理能力。LOFT为研究人员提供了标准化平台,用于全面评估长文本语言模型性能,有助于推动自然语言处理技术发展。
promptbench - 大语言模型的评估与理解综合工具包
GithubPrompt EngineeringPromptBench大语言模型对抗性提示开源项目评估
基于Pytorch的Python包,提供评估和理解大语言模型的友好API。支持快速模型性能评估、提示工程、对抗性提示评估和动态评估框架。兼容多种模型(如GPT-4、Llama2、BLIP2)和数据集(如GLUE、SQuAD、VQAv2)。适合研究人员和开发者使用与扩展。
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。

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