ML-Bench

评测大型语言模型和代理在代码库级机器学习任务上的效果

ML-Bench 机器学习任务大语言模型 GitHub仓库代码评估 Github 开源项目

本文详细说明了如何在代码库级别评估大型语言模型和代理的表现，包括环境设置、数据准备、模型微调和API调用等内容。提供了相关脚本和工具，帮助研究者复现实验结果，适用于机器学习和模型评估领域的专业人员和研究者。

文档

evals - 开源框架助力大型语言模型性能评估

API密钥Git-LFSGithubLLM评估OpenAI Evals开源项目评估框架

evals是一个开源框架，用于评估大型语言模型(LLM)及其衍生系统。该框架提供评估注册表，支持测试OpenAI模型的多个维度，同时允许用户创建自定义评估。开发者可利用私有数据构建评估，无需公开敏感信息。evals能够帮助开发者深入分析不同模型版本对特定应用场景的影响，对LLM开发过程具有重要价值。

awesome-azure-openai-llm - 揭示Azure OpenAI与大型语言模型（LLM）的综合功能

API集成Azure OpenAIGithub信息检索大语言模型开源项目语言模型训练

提供Azure OpenAI和大型语言模型（LLM）的综合参考，包括服务与技术的详细比较和专有功能介绍。深入探讨私有网络支持、角色认证和AI内容过滤的优势，非常适合希望全面了解并运用Azure OpenAI整合服务的技术用户。

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。

ALCE - 增强大语言模型生成引用文本的基准工具

ALCEGithub大语言模型开源项目文本生成自动引用评估基准

ALCE是一个用于评估大语言模型生成引用文本能力的基准工具。它包含ASQA、QAMPARI和ELI5三个数据集，用于自动评估模型生成文本的流畅度、正确性和引用质量。ALCE提供了基线模型复现代码和评估方法，为研究人员提供了改进大语言模型文本生成和引用能力的综合解决方案。

Grounding_LLMs_with_online_RL - GLAM 强化学习优化大型语言模型的新方法

BabyAI-TextGLAMGithubLamorel大语言模型开源项目强化学习

这个开源项目开发了GLAM方法，通过在线强化学习优化大型语言模型在BabyAI-Text环境中的性能。项目提供了BabyAI-Text环境和实验代码，支持智能体训练和评估。研究者使用Lamorel库实现了PPO、DRRN等多种智能体。代码库包含详细的安装说明、配置文件和运行指南，便于其他研究人员复现和拓展相关研究。

LLM-Workshop - 大语言模型实践与应用工作坊

GithubLLM人工智能开源项目机器学习深度学习自然语言处理

LLM-Workshop 是 Sourab Mangrulkar 创建的大语言模型工作坊。该项目为开发者和研究人员提供 LLM 技术学习平台，内容包括模型训练、调优技巧、应用开发等。工作坊旨在帮助参与者掌握 AI 和自然语言处理领域的实用技能，适合想要深入了解大语言模型技术的人员参与。

LLM-PowerHouse-A-Curated-Guide-for-Large-Language-Models-with-Custom-Training-and-Inferencing - 大型语言模型的定制训练和推理指南

GithubLLM PowerHousePython开源项目机器学习深度学习自然语言处理

LLM-PowerHouse项目为开发人员、研究人员和爱好者提供一站式指南，通过定制化训练和推理优化大型语言模型（LLMs）。包括基础知识、先进技术、模型压缩、优化策略和实例代码，适用于高效智能的自然语言理解应用。

EvaluationPapers4ChatGPT - ChatGPT等大型语言模型评估资源库

ChatGPTGithub大语言模型开源项目性能测试自然语言理解评估

EvaluationPapers4ChatGPT项目是一个综合性资源库，专注于评估ChatGPT等大型语言模型的性能。该项目汇集了丰富的数据集、评估论文和检测工具，涵盖自然语言理解、伦理偏见、长文本摘要和推理能力等多个领域。研究人员可借此深入分析ChatGPT的能力范围及其在不同任务中的表现。项目不断更新，反映了语言模型评估领域的最新发展动态。

data_management_LLM - 大型语言模型训练数据管理资源汇总

Github大语言模型开源项目数据质量监督微调训练数据管理预训练

该项目汇总了大型语言模型训练数据管理的相关资源。内容涵盖预训练和监督微调阶段，探讨领域组成、数据数量和质量等关键方面。项目还收录了数据去重、毒性过滤等技术，以及不同因素间的关系研究。这些资源为优化LLM训练数据管理提供了全面参考。

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。

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。

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。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com