bench

LLM性能评估与工作流标准化工具

Bench是一款适用于生产环境的LLM评估工具，支持比较不同的LLM、提示词和生成超参数（如温度和令牌数量）。它提供统一接口，实现LLM评估流程标准化，可测试开源LLM在特定数据上的表现，并将排行的排名转化为实际用例评分。用户可以安装Bench、创建并运行测试套件，通过本地UI查看结果。

访问官网

Github

文档

介绍相关项目

InsTag - LLM监督微调数据分析与优化工具

GithubInsTagLLM开源项目数据分析标签系统监督微调

InsTag是大型语言模型监督微调数据分析工具,通过标记和分类用户查询,量化评估数据多样性与复杂性。该工具为研究人员提供模型训练优化依据,基于InsTag分析结果,仅需6K样本即可训练出TagLM模型。在MT-Bench评测中,TagLM表现优于多个开源LLM,凸显了InsTag在提升LLM训练效率方面的价值。

llm-api - 灵活易用的跨平台大语言模型API框架

API接口Docker容器GPU加速GithubLLM API大语言模型开源项目

LLM-API是一个灵活的大语言模型API框架，支持在多种硬件平台上运行各类LLM模型。通过简单的YAML配置，它能自动下载模型并提供统一的API接口。支持Docker容器和本地运行，兼容Llama、GPT等多种模型。项目还包含Python客户端和LangChain集成，大大简化了LLM的应用开发过程，使其强大功能更易于开发者使用。

RoleLLM-public - 评估与提升大语言模型角色扮演能力的框架

GithubRoleLLM基准测试大语言模型开源项目微调角色扮演

RoleLLM框架旨在评估和增强大语言模型的角色扮演能力。该框架包含RoleBench数据集、Context-Instruct知识提取方法、RoleGPT风格模仿技术和RoCIT微调策略。通过这些组件，RoleLLM显著提升了开源模型的角色扮演表现，在某些方面达到了与GPT-4相当的水平。这一框架为大语言模型在角色扮演任务中的应用提供了新的研究方向。

HallusionBench - 探索视觉语言模型的幻觉与错觉问题

AI评估GithubHallusionBench图像理解多模态模型开源项目视觉语言模型

HallusionBench是一个诊断视觉语言模型中语言幻觉和视觉错觉的测试集。通过图像-文本推理任务,它挑战了GPT-4V和LLaVA-1.5等顶级多模态模型。项目提供案例分析,揭示模型局限性,为改进提供见解。HallusionBench设有公开评测基准,欢迎研究人员贡献失败案例,推动多模态AI发展。

ann-benchmarks - 开源高维近似最近邻搜索算法基准测试平台

ANN算法Github基准测试开源项目性能比较近邻搜索高维空间

ann-benchmarks是一个开源的高维近似最近邻(ANN)搜索算法评估平台。该项目提供预生成数据集、Docker容器和测试套件,支持对多种ANN算法进行客观的基准测试。目前已包含Annoy、FAISS、NMSLIB等主流算法,并通过性能对比结果和可视化图表展示各算法特性。研究人员和工程师可基于此平台选择适合特定场景的ANN算法,推动相关技术的优化和应用。

prompttools - 全面LLM实验评估工具集

GithubLLMPromptTools人工智能向量数据库开源项目提示词实验

PromptTools是一套开源的LLM实验工具集，支持向量数据库和提示词的测试与评估。该工具兼容OpenAI、Anthropic等多个主流API，提供代码、笔记本和本地playground界面。开发者可以便捷地比较不同模型和参数性能，并评估向量数据库检索准确性，有效提升AI开发效率。

phasellm - 探索和评估大型语言模型的框架

API集成GithubPhaseLLM大语言模型开源开源项目性能评估

PhaseLLM是一个创新的框架，旨在帮助用户管理和测试由大型语言模型（LLM）驱动的体验，如ChatGPT及其变种。该框架提供标准化API，兼容OpenAI、Cohere、Anthropic等多家服务提供商，构建评估体系，并新增自动化功能，使开发者和数据科学家能更容易地启动新的产品。适合各类品牌和产品经理，简化和加速大型语言模型的集成与评估过程。

awesome-LLM-resourses - 中文大语言模型全面资源汇总数据处理到评估应有尽有

GithubLLMRAG大语言模型开源项目微调推理评估

该项目汇总了中文大语言模型(LLM)领域的全面资源，包含数据处理、微调、推理和评估等多个环节的开源工具。资源库涵盖最新LLM技术，并收录RAG系统和AI代理等前沿应用。项目为LLM研究者和开发者提供了丰富的工具和信息，有助于推进相关项目的开发与应用。

LlamaIndex - 开源数据框架助力企业构建LLM应用

AI工具LLM应用LlamaIndex企业数据开源数据框架

LlamaIndex是一个用于构建大型语言模型(LLM)应用的数据框架。它支持160多种数据源和格式的加载，40多个向量存储和数据库的集成，以及LLM工作流程编排。该框架提供社区贡献的连接器、工具和数据集，并可与多种服务集成。LlamaIndex为开发者提供了构建LLM应用所需的工具和资源，简化了自定义数据源与LLM的连接过程。

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