jury

综合性NLP实验评估工具包

Jury是一个全面的NLP实验评估工具包，提供多种自动化指标。它支持多种评估指标的同时计算，可处理多预测/多参考的评估场景。Jury优化了evaluate库的设计，简化了自定义指标的添加。该工具包统一了指标计算的输入结构，支持并发计算，适用于各类NLP项目。

访问官网

Github

文档

论文

介绍相关项目

Awesome-LLM-Eval - 集成了评估工具、数据集、演示与论文资源的平台

GithubLLM应用LLM技术边界大模型评估开源项目评估工具评估数据集

Awesome-LLM-Eval 包罗万象，集成了评估工具、数据集、演示与论文资源，深入探讨大型语言模型的评估技术和方法。该平台支撑学术探索与实际应用，并致力于提升语言模型的透明度及可信度。

sumy - 简易文本摘要提取和评估工具，支持多种语言

GithubPythonsumy命令行工具开源项目文本总结自动摘要

Sumy是一款简单的文本摘要提取工具，支持多种语言和评估方法。通过Python和pip即可安装，用户可在命令行或浏览器中使用，Python API便于集成项目，还支持容器化运行，满足多种使用需求。

fiddler-auditor - 优化大型语言模型审核的开源工具

AI审核Fiddler AuditorGithubLLM评估NLP模型大型语言模型开源项目

Fiddler Auditor是一款开源工具，专为测试和评估大型语言模型(LLM)和NLP模型而设计。它提供了多项功能，包括通过提示扰动进行红队测试、LangChain集成、自定义评估指标和LLM比较。此工具有助于在模型部署前识别潜在弱点，如幻觉、对抗性响应和信息泄露等问题。Fiddler Auditor旨在为开发团队提供一个高效的解决方案，以增强LLM的安全性和可靠性。

llm-comparator - 交互式可视化工具对比分析大语言模型性能

GithubJSON格式LLM ComparatorPython库可视化工具开源项目模型评估

LLM Comparator是一个开源的交互式可视化工具,用于分析和比较大语言模型的评估结果。用户可上传自定义JSON文件或使用示例数据,通过多种可视化方式展示不同模型在各类任务中的表现差异。工具配套Python库可生成兼容JSON文件,支持自动模型评估和原理聚类。研究人员和开发者可借助此工具深入洞察不同模型的优劣,为大语言模型研究提供直观分析支持。

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。

lighteval - 轻量级LLM评估框架，支持多任务处理与复杂模型配置

GithubHugging FaceLLMLightEval安装开源项目评估

lighteval是一款轻量级LLM评估套件，兼容datatrove和nanotron库，支持CPU和多GPU环境，能处理超大模型。多任务配置允许自定义和社区任务，具备数据并行、管道并行及Hugging Face Hub集成功能。适用于复杂模型配置和推理端点。

data-juicer - 大语言模型数据处理系统，提供多模态数据支持

Data-JuicerGithub多模态数据处理大规模语言模型开源项目数据处理数据模型协同开发

Data-Juicer 是一款强大的一站式数据处理系统，专为大语言模型设计。它支持多模态数据处理，具有80多种操作符和20多个配置方案，提供高效且并行的数据处理能力。其友好的用户体验和全面的文档，使其成为生产环境中的优选方案。

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。

unieval-sum - UniEval多维度文本生成评估系统

GithubHuggingfaceUniEval多维度评估开源项目文本摘要模型自然语言生成预训练评估器

UniEval项目提供了名为unieval-sum的预训练评估器，用于文本摘要任务的多维度评估。该评估器从连贯性、一致性、流畅性和相关性四个方面分析模型输出，实现了对自然语言生成系统更全面和细粒度的评估。这一工具不仅弥合了人工评估与自动评估之间的差距，还可扩展应用于其他生成任务，如数据到文本生成的自然度和信息量评估。

jug - Python任务并行化和分布式计算框架

GithubJugPython框架任务并行化分布式计算开源项目文件系统通信

Jug是一个Python任务并行化和分布式计算框架，支持将代码拆分为多个任务并在不同处理器或机器上执行。该框架使用文件系统进行进程间通信，兼容NFS，实现了跨机器的任务协调。Jug采用纯Python实现，具有良好的跨平台兼容性，支持Python 3.5及以上版本。它提供任务生成、状态监控和结果检查等功能，适用于科学计算、数据处理等领域的并行化需求。

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