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

lmms-eval - 大规模多模态模型评估框架加速AI发展

AI基准测试GithubLMMs-eval多模态模型开源项目评估框架

lmms-eval是专为大规模多模态模型(LMMs)设计的评估框架,整合多种基准和数据集,提供一致高效的评估方法。支持图像、视频等多模态任务,简化评估流程,加速模型开发和性能比较。该框架为研究人员提供灵活工具,助力理解和改进LMMs能力,推动人工智能向通用人工智能(AGI)发展。lmms-eval旨在成为加速LMMs发展的重要生态系统组件。

LLM-Kit - 无需编程即可部署和定制多语言模型的工具整合包

GithubWebUIsuqin大模型开发部署开源项目语言模型

LLM-Kit项目通过WebUI整合了多种语言模型工具，实现了无需编程即可配置定制化模型和专业应用。项目支持Windows和Linux操作系统以及多个版本的Python，并提供多种训练和推理功能，包括角色扮演、AI智能体和数据库集成。项目还与众多知名模型和工具库兼容，开发者可以轻松上手并参与贡献，进一步优化和扩展项目功能。

checklist - 全面评估NLP模型行为的测试框架

CheckListGithubNLP开源项目模型评估测试行为测试

CheckList是一个用于全面测试NLP模型的框架,它提供了多种测试类型和工具。主要功能包括生成测试数据、扰动现有数据、创建和运行各类测试等。通过CheckList,研究人员和开发者可以更全面地评估NLP模型的行为表现,识别潜在问题和偏差。该项目包含详细教程和代码示例,支持多语言测试,并可与主流NLP库集成。

mlc-llm - 通用大语言模型高性能部署引擎

AI模型优化GithubMLC LLMMLCEngine开源项目机器学习编译器高性能部署

MLC LLM是一款用于大语言模型的高性能部署引擎，支持用户在各种平台上开发、优化和部署AI模型。核心组件MLCEngine通过REST服务器、Python、JavaScript、iOS和Android等接口提供OpenAI兼容的API，支持AMD、NVIDIA、Apple和Intel等多种硬件平台。项目持续优化编译器和引擎，与社区共同发展。

MixEval - 动态更新的大语言模型评测基准

GithubLLM评估MixEval动态评估基准测试开源项目模型排名

MixEval是一个动态更新的大语言模型评测基准，结合现有基准和真实用户查询构建而成。该基准在保持高准确度的同时，实现了快速、低成本和可重复的评测。MixEval提供更全面、公平的查询分布，并通过定期更新机制避免数据污染。作为一个高效可靠的评测工具，MixEval适用于各类大语言模型研究和应用场景。

llmeval-1 - 系统评估中文大语言模型的创新研究项目

GithubLLMEVAL-1大模型大语言模型评测开源项目排行榜评测方法

LLMEVAL-1项目致力于系统研究大语言模型评价方法。该项目涵盖17个大类、453个问题，内容包括事实性问答、阅读理解和框架生成等多个领域。评测采用分项和对比两种方式，从正确性、流畅性、信息量、逻辑性和无害性五个维度进行。LLMEVAL-1通过结合众包和专业评测，为中文大语言模型提供了全面、客观的评估基准。

LLM-Tool-Survey - 大型语言模型工具学习调查研究

Github人工智能大语言模型工具学习开源项目综述自然语言处理

该研究系统性调查大型语言模型(LLMs)通过工具学习增强解决复杂问题能力。从工具学习的优势和实现方法两方面全面回顾现有文献,总结基准测试和评估方法,讨论当前挑战和未来方向,为相关研究和开发提供见解。

BenchMARL - 多智能体强化学习的标准化基准测试平台

BenchMARLGithubTorchRL多智能体强化学习开源项目环境集成算法比较

BenchMARL是一个专注于多智能体强化学习(MARL)的开源训练库,旨在提供标准化接口实现不同算法和环境的可重复性比较。它基于TorchRL后端,支持高效实现和灵活配置,可轻松集成新算法和环境。BenchMARL提供了统一的评估体系,支持marl-eval兼容的数据报告,为MARL研究提供了可靠的基准测试平台。

langwatch - 监控与优化LLM交互的多功能平台

DSPy VisualizerGithubLLMOpsLLM监控LangWatch开源项目用户分析

LangWatch提供实时跟踪、可视化和分析LLM交互的工具。其主要功能包括实时遥测、详细调试、质量测评、DSPy可视化、用户分析和保护措施。支持多种编程语言和框架的集成，通过简单步骤快速启动，并提供详尽的文档和自托管指南，适合自定义和扩展项目。

LLM-Finetuning-Toolkit - 配置化CLI工具，用于LLM微调和实验管理

CLI工具GithubLLM Finetuning ToolkitLLM微调实验开源项目配置文件

该工具通过yaml配置文件进行管理，支持LLM微调的各个方面，包括提示词、模型、优化策略和测试。用户可以通过pipx或pip安装，并按照提供的指南进行使用，涵盖基础到高级的使用场景。实验结果会被自动记录和保存。工具的模块化设计允许进一步扩展和定制。

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