Project Icon

SWE-bench

基于GitHub问题的语言模型评估

SWE-bench是一个基准测试平台,用于评估语言模型在解决GitHub问题中的表现。提供代码库和问题描述,模型生成修复补丁。项目支持Docker容器实现高效可重复测试。最新更新包括SWE-agent的引入,提升评估基准表现。支持x86_64和实验性arm64架构,提供多样数据集和模型下载选项。欢迎NLP、机器学习和软件工程领域的贡献和反馈。

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。
pipeline-as-repo - 项目目标与方法:优化问答系统的性能
DynabenchGithubHuggingfaceQuiz Bowl学术竞赛对抗性问题开源项目模型自然语言处理
该项目旨在通过问答挑战赛提升问答系统的回答准确性,参与者将开发和提交模型,目标是依据模型准确性获得高排名。项目内容包括评估模型、编写对抗性问题,以及提交符合要求的系统。项目推行过程中还包含进度报告、时间线调整及任务分配的更新。
CodeQwen1.5 - 多语言支持的高性能代码生成模型
CodeQwen1.5Github代码生成开源项目模型部署编程语言长上下文
CodeQwen1.5是一款专用于代码生成的大型语言模型,支持92种编程语言,具备64K tokens的长文本处理能力。该模型在代码生成、文本到SQL转换和bug修复等任务中表现优异,为开发者提供了高效的AI编码辅助工具。作为Qwen1.5的专用代码版本,CodeQwen1.5采用transformer架构,在多项基准测试中展现出卓越性能。
deepseek-coder-6.7B-base-AWQ - 大规模训练的代码语言模型,支持项目级代码补全和填充
GithubHuggingfaceIris数据集PyTorch开源项目模型模型训练深度学习神经网络
deepseek-coder-6.7B-base是一个在2万亿token上训练的大规模代码语言模型。采用16K窗口大小和填空任务训练,支持项目级代码补全和填充。在多个编程语言基准测试中表现优异,擅长代码补全、生成和理解。模型由87%的代码和13%的中英文自然语言构成,可支持多语言编程任务。
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。
langtest - 开源工具助力语言模型全面测试与优化
AI偏见检测GithubLangTestNLP开源项目模型评估语言模型测试
LangTest是一款强大的开源工具,专为语言模型的测试和优化而设计。该工具提供超过60种测试类型,全面评估模型的鲁棒性、偏见、表示、公平性和准确性。LangTest兼容多个主流NLP框架,如Spark NLP、Hugging Face和Transformers。此外,它还能对OpenAI、Cohere等大型语言模型进行问答、毒性检测和临床测试等方面的评估。通过使用LangTest,数据科学家可以开发出更安全、可靠和负责任的自然语言处理模型。
kube-bench - 开源 Kubernetes 集群安全评估工具
CIS基准GithubKuberneteskube-bench安全检查容器安全开源项目
kube-bench 是一个开源的 Kubernetes 安全评估工具,基于 CIS Kubernetes Benchmark 标准执行全面的安全检查。它采用 YAML 配置文件,易于更新和维护。该工具可作为容器在集群内部署,支持多种运行方式,并能自动识别不同版本的 Kubernetes。kube-bench 为管理员提供了一种便捷的方法来评估和增强 Kubernetes 环境的安全性,有助于及时发现潜在的安全风险。
deepeval - 简化LLM输出评估的开源框架
AI测试DeepEvalGithubLLM评估开源框架开源项目指标评估
DeepEval是一款开源的大型语言模型(LLM)输出评估框架。它提供G-Eval、幻觉检测和答案相关性等多种评估指标,支持本地运行。该框架适用于RAG和微调应用,可与LangChain和LlamaIndex等工具集成。DeepEval具备批量评估、自定义指标创建功能,易于集成到CI/CD环境。此外,它还支持对主流LLM基准进行简易评估,并可与Confident AI平台对接,实现持续评估和结果分析。
OpenDevin - AI软件工程平台,提升代码编写和错误修复效率
AIDockerGithubLLMOpenDevin开源项目自动化软件工程
OpenDevin是一个利用AI和大语言模型(LLMs)进行代码编写、错误修复和功能发布的软件工程平台。支持Docker环境,兼容Linux、Mac OS和Windows上的WSL。提供详细文档和故障排除指南,欢迎通过代码、研究和反馈参与贡献。加入社区,共同推动软件工程的发展。
chinese-llm-benchmark - 中文大模型性能基准测试与排行榜
CLiBGithub中文大模型开源模型开源项目能力排行评测榜单
项目持续更新,目前已评测113个中文大模型,包括GPT-4、文心一言、通义千问等商用模型和百川、Qwen、GLM等开源模型。评测维度全面,涵盖分类、信息抽取、阅读理解、数据分析、中文编码效率等。提供综合能力和细分能力排行榜,并开放原始评测数据。为选择和研究中文大模型提供客观依据。
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

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。

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