懂AI

instruct-eval入门指南 - 评估指令微调语言模型的系统化工具包

RayRay
InstructEvalLLMFlan-T5AlpacaIMPACTGithub开源项目

instruct-eval:评估指令微调语言模型的系统化工具包

instruct-eval是一个用于评估指令微调语言模型(Instruction-tuned Language Models)的开源工具包,由新加坡管理大学的研究人员开发。该工具包旨在提供一个标准化的评估框架,帮助研究人员更好地比较不同指令微调模型的性能。

主要特点

  • 支持多种主流的指令微调模型,如Alpaca、Flan-T5等
  • 包含多个具有挑战性的评估任务,如MMLU、BBH、DROP等
  • 提供简单易用的评估接口,只需几行代码即可完成评估
  • 开源实现,方便研究人员进行二次开发

快速上手

要使用instruct-eval评估模型,只需几个简单步骤:

  1. 安装依赖:
conda create -n instruct-eval python=3.8 -y
conda activate instruct-eval
pip install -r requirements.txt
  1. 下载数据:
mkdir -p data
wget https://people.eecs.berkeley.edu/~hendrycks/data.tar -O data/mmlu.tar
tar -xf data/mmlu.tar -C data && mv data/data data/mmlu
  1. 运行评估:
python main.py mmlu --model_name llama --model_path chavinlo/alpaca-native

就这么简单,您就可以获得模型在MMLU任务上的评估结果了!

支持的模型和任务

instruct-eval支持多种主流的指令微调模型,包括:

  • Alpaca
  • Flan-T5
  • Vicuna
  • ChatGLM
  • 等等

支持的模型

评估任务涵盖多个领域:

  • MMLU:涉及57个学科的考试题
  • BBH:23个具有挑战性的任务
  • DROP:数学问答基准测试
  • HumanEval:164个Python编程问题

通过这些多样化的任务,可以全面评估模型的能力。

结果展示

instruct-eval提供了一个在线排行榜,展示了各个模型在不同任务上的表现。以下是部分结果:

模型MMLUBBHDROPHumanEval
GPT-486.480.9-67.0
ChatGPT70.064.1-48.1
Flan-T5 (XXL)54.543.9--
Vicuna-13B49.737.132.915.2

完整结果请查看排行榜。

总结

instruct-eval为研究人员提供了一个强大而易用的工具,用于系统地评估指令微调语言模型。无论您是想比较不同模型的性能,还是评估自己训练的模型,instruct-eval都是一个不错的选择。欢迎访问GitHub仓库了解更多信息,并为这个开源项目做出贡献!

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

热门AI工具AI办公办公工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图
讯飞星��火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

模型训练热门AI工具内容创作智能问答AI开发讯飞星火大模型多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

热门AI工具生产力协作转型TraeAI IDE
咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

AI助手热门AI工具AI创作AI辅助写作讯飞绘文内容运营个性化文章多平台分发
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。

下拉加载更多